如何在神經網絡的Xavier初始化中計算扇入和扇出？

Question

變化我已經發現神經網絡中權重的Xavier初始化，都提到了一個扇入和一個扇出;你能否告訴我們如何計算這兩個參數？具體用於這兩個示例：

1）初始化卷積層的權重，使用形狀爲[5,5,3,6]（寬度，高度，輸入深度，輸出深度）的濾波器; 2）用形狀[400,120]（即，將400個輸入變量映射到120個輸出變量上）初始化完全連接層的權重。

謝謝！

Answer 1

我理解的是在進出卷積層的風扇被定義爲：

fan_in = n_feature_maps_in * receptive_field_height * receptive_field_width 
fan_out = n_feature_maps_out * receptive_field_height * receptive_field_width/max_pool_area 

其中receptive_field_height和receptive_field_width對應於所考慮和max_pool_area卷積層的高度的乘積和卷積層後面的最大池的寬度。

如果我錯了，請糾正我。

來源：deeplearning.net