He Initialization

ReLU 네트워크 용 가중치 초기화 기법. He et al. (2015) 가 제안. 각 층의 활성화 분산이 층마다 균일하게 유지되도록 설계:

$W_{ij} \sim \mathcal{N}\!\left(0,\ \frac{2}{\text{fan\_in}}\right)$

즉 표준편차 = $\sqrt{2 / \text{fan\_in}}$, fan_in 은 입력 뉴런 수.

왜 이게 필요한가

• 너무 작은 초기값 → 신호가 층을 거치며 소실 (vanishing)
• 너무 큰 초기값 → 폭발 (exploding)
• ReLU는 절반이 0 → variance 가 절반씩 줄어듦. He init은 $\times 2$ 로 보정.

Xavier/Glorot 과 비교

• Xavier: std = sqrt(1 / fan_in) — tanh/sigmoid-v1 용
• He: std = sqrt(2 / fan_in) — ReLU 용 (두 배)

과제

함수 he_init(fan_in, fan_out, seed) 를 완성하세요.

• fan_in, fan_out: 정수.
• 반환: shape (fan_in, fan_out) 가중치 행렬.
• rng.normal(0, std, size=...) 사용, std = sqrt(2 / fan_in).

테스트 케이스

#	이름	검증
1	shape (fan_in, fan_out)
2	평균 ≈ 0 (큰 크기)
3	표준편차 ≈ √(2/fan_in)
4	시드 재현성
5	다른 fan_in → 다른 std