Tensorflow2.0 中 tf.keras.layers.Conv2D 里的初始化方法 'glorot_uniform' 到底是个啥？

在我们使用 tf.keras.layers.Conv2D 来构建卷积层时，一般使用的权值初始化方法就是这个函数默认的方法，即 ‘glorot_uniform’。
源码对其做出了解释：

'''
  It draws samples from a uniform distribution within [-limit, limit]
  where `limit` is `sqrt(6 / (fan_in + fan_out))`
  where `fan_in` is the number of input units in the weight tensor
  and `fan_out` is the number of output units in the weight tensor.
'''

也就是说，这个初始化方法使用的均匀分布的范围是 [-limit, limit]，其中，
$$limit=sqrt(\frac{6}{fa{n}_{in}+fa{n}_{out}})$$
这里的 $fa{n}_{in}$ 表示输入神经元的数量，$fa{n}_{out}$ 表示输出神经元的数量，即：
$$fa{n}_{in}=channel{s}_{in}\times kerne{r}_{width}\times kerne{r}_{height}$$
$$fa{n}_{out}=channel{s}_{out}\times kerne{r}_{width}\times kerne{r}_{height}$$
假设输入网络的一个 28*28*1 的数据，卷积核形状为 3*3，卷积核通道数有 32 个（即输出的通道数有 32 个），那么此时 limit 为：
$$limit=sqrt(\frac{6}{3\times 3\times 1+3\times 3\times 32})$$