Xavier and He Weight Initialization

Weights that start too big or too small make deep networks hard to train. Two standard schemes pick the scale from the layer size, where fan_in is the number of inputs and fan_out the number of outputs:

Xavier (Glorot) suits sigmoid and tanh layers; He suits ReLU layers.

Implement init_bound(method, fan_in, fan_out).

Input

method: One of "xavier_uniform", "xavier_normal", "he_uniform" or "he_normal".

fan_in, fan_out: The layer's number of inputs and outputs.

Output

Return the limit or standard deviation as a decimal number.

Ràng buộc

1 ≤ fan_in, fan_out ≤ 100,000

Ví dụ

Đầu vào:
fan_in = 3
method = "xavier_uniform"
fan_out = 3

Kết quả mong đợi:
expected = 1.0

Đầu vào:
long long fan_in = 3;
std::string method = "xavier_uniform";
long long fan_out = 3;

Kết quả mong đợi:
double expected = 1.0;

Đầu vào:
long fan_in = 3;
string method = "xavier_uniform";
long fan_out = 3;

Kết quả mong đợi:
double expected = 1.0;

Đầu vào:
fan_in = 50
method = "he_normal"
fan_out = 10

Kết quả mong đợi:
expected = 0.2

Đầu vào:
long long fan_in = 50;
std::string method = "he_normal";
long long fan_out = 10;

Kết quả mong đợi:
double expected = 0.2;

Đầu vào:
long fan_in = 50;
string method = "he_normal";
long fan_out = 10;

Kết quả mong đợi:
double expected = 0.2;

Tham khảo

Thử thách này đã được điều chỉnh cho CodeUtility. Hãy làm theo đề bài và các ràng buộc ở trên.

• Glorot and Bengio, Understanding the difficulty of training deep feedforward neural networks
• He et al., Delving Deep into Rectifiers