xavier，kaiming初始化中的fan_in,fan_out在卷积神经网络是什么意思

最新推荐文章于 2025-04-22 09:02:26 发布

weixin_33819479

最新推荐文章于 2025-04-22 09:02:26 发布

阅读量1.0k

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能

原文链接：http://www.cnblogs.com/liuzhan709/p/10092679.html

本文深入探讨了Xavier初始化方法在卷积神经网络中的应用，详细解释了如何在PyTorch中计算fan_in和fan_out参数，以及它们对于权重初始化的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

xavier

xavier初始化出自论文Understanding the difficulty of training deep feedforward neural network,论文讨论的是全连接神经网络，fan_in指第i层神经元个数，fan_out指第i+1层神经元个数，但是我们的卷积神经网路是局部连接的，此时的fan_in，fan_out是什么意思呢。
在pytorch中，fan_in指kernel_height x kernel_width x in_channel. fan_out指kernel_height x kernel_width x out_channel，从局部连接的过程来看似乎并不十分合理，卷积神经网络的局部连接在感受野内仍然是全连接。fan_in=kh x kw x in_channel没什么疑问，但是fan_out应该等于out_channel更合理啊。待解答。

code，来自pytorch实现

def _calculate_fan_in_and_fan_out(tensor):
    dimensions = tensor.ndimension()
    if dimensions < 2:
        raise ValueError("Fan in and fan out can not be computed for tensor with fewer than 2 dimensions")

    if dimensions == 2:  # Linear
        fan_in = tensor.size(1)
        fan_out = tensor.size(0)
    else:
        num_input_fmaps = tensor.size(1)
        num_output_fmaps = tensor.size(0)
        receptive_field_size = 1
        if tensor.dim() > 2:
            receptive_field_size = tensor[0][0].numel()
        fan_in = num_input_fmaps * receptive_field_size
        fan_out = num_output_fmaps * receptive_field_size

    return fan_in, fan_out

转载于:https://www.cnblogs.com/liuzhan709/p/10092679.html