阅读下列材料，分析回答有关问题：材料一：下图中的两只狐，一只是生活在北极的北极狐，一只是生活在非洲沙漠中的沙漠狐．材料二：科学工作者发现，过去20年里，北极冰盖面积减少了40%，平均厚度从3米减至1.5米；2005年北极冰盖面积为530万平方千米，2007年9月为413万平方千米，创历史最低点．这些都说明了一个现象：地球在变暖．（1）图______所示为北极狐．其推测理由是______．（2）由两种狐的头部某些特征也可以说明，生物的形态结构往往与______相适应．（3）如果地球“变暖”进一步加剧，请你预测北极狐的命运将会怎样？______．（4）为了不让地球继续“变暖”，你认为应该采取的措施是______（至少答出两项）． - 跟谁学
跟谁学学生版:genshuixue_student精品好课等你领在线咨询下载客户端关注微信公众号
搜索你想学的科目、老师试试搜索吉安
跟谁学学生版:genshuixue_student精品好课等你领在线咨询下载客户端关注微信公众号&&&分类：阅读下列材料，分析回答有关问题：材料一：下图中的两只狐，一只是生活在北极的北极狐，一只是生活在非洲沙漠中的沙漠狐．材料二：科学工作者发现，过去20年里，北极冰盖面积减少了40%，平均厚度从3米减至1.5米；2005年北极冰盖面积为530万平方千米，2007年9月为413万平方千米，创历史最低点．这些都说明了一个现象：地球在变暖．（1）图______所示为北极狐．其推测理由是______．（2）由两种狐的头部某些特征也可以说明，生物的形态结构往往与______相适应．（3）如果地球“变暖”进一步加剧，请你预测北极狐的命运将会怎样？______．（4）为了不让地球继续“变暖”，你认为应该采取的措施是______（至少答出两项）．阅读下列材料，分析回答有关问题：材料一：下图中的两只狐，一只是生活在北极的北极狐，一只是生活在非洲沙漠中的沙漠狐．材料二：科学工作者发现，过去20年里，北极冰盖面积减少了40%，平均厚度从3米减至1.5米；2005年北极冰盖面积为530万平方千米，2007年9月为413万平方千米，创历史最低点．这些都说明了一个现象：地球在变暖．（1）图______所示为北极狐．其推测理由是______．（2）由两种狐的头部某些特征也可以说明，生物的形态结构往往与______相适应．（3）如果地球“变暖”进一步加剧，请你预测北极狐的命运将会怎样？______．（4）为了不让地球继续“变暖”，你认为应该采取的措施是______（至少答出两项）．科目:难易度:最佳答案（1）一只是生活在北极的北极狐，一只是生活在非洲沙漠中的沙漠狐．北极气候寒冷、温度很低，狐为了适应环境减少热量的散失，因此北极狐耳朵小、短，（热量不易散失）；沙漠温度高，为了散失热量降低体温，因此沙漠狐耳朵大、长．故图B是北极狐．（2）由两种狐的头部某些特征也可以说明，生物的形态结构往往与生存环境相适应．（3）如果地球“变暖”进一步加剧，北极地带的气温将升高、冰将消失，北极狐将不再适应环境，数量减少甚至灭绝．（4）为了不让地球继续“变暖”，必须降低产生温室效应的二氧化碳．应该采取的措施是植树造林保护植被，减少废气排放（或开发绿色能源、减少温室气体排放：减少使用石油或煤等矿物能源，减少工业排放，减少空调与冰箱的使用）．故答案为：（1）B；因为耳朵小、短，热量不易散失．（2）生存环境；（3）减少甚至灭绝；（4）植树造林保护植被，减少废气排放或开发绿色能源、减少温室气体排放：减少使用石油或煤等矿物能源，减少工业排放，减少空调与冰箱的使用等．解析
知识点:&&基础试题拔高试题热门知识点最新试题
关注我们官方微信关于跟谁学服务支持帮助中心5393人阅读
深度学习（68）
caffe预测、特征可视化python接口调用
原文地址：
作者：hjimce
网上有很多caffe训练好的模型，有的时候我们仅仅想要方便的调用已经训练好的模型，利用python进行预测分类测试，查看可视化结果，这个时候，我们可以使用caffe为我们写好的python接口文件，我们在安装caffe的时候，有一步：make &pycaffe。这个便是安装caffe的python 结果函数，把自己用的代码记录一下，以便日后直接复制粘贴使用。感觉使用python就是轻松，如果用caffe的c++接口，挺麻烦的。
下面的使用例子是自己搞利用CNN进行性别预测的python接口调用实例：
# coding=utf-8
import numpy as np
from matplotlib import pyplot as plt
import cv2
import shutil
import time
#因为RGB和BGR需要调换一下才能显示
def showimage(im):
if im.ndim == 3:
im = im[:, :, ::-1]
plt.set_cmap('jet')
plt.imshow(im)
plt.show()
#特征可视化显示，padval用于调整亮度
def vis_square(data, padsize=1, padval=0):
data -= data.min()
data /= data.max()
#因为我们要把某一层的特征图都显示到一个figure上，因此需要计算每个图片占用figure多少比例，以及绘制的位置
n = int(np.ceil(np.sqrt(data.shape[0])))
padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3)
data = np.pad(data, padding, mode='constant', constant_values=(padval, padval))
# tile the filters into an image
data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))
data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])
showimage(data)
#设置caffe源码所在的路径
caffe_root = '../../../caffe/'
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe
#加载均值文件
mean_filename='./imagenet_mean.binaryproto'
proto_data = open(mean_filename, &rb&).read()
a = caffe.io.caffe_pb2.BlobProto.FromString(proto_data)
= caffe.io.blobproto_to_array(a)[0]
#创建网络，并加载已经训练好的模型文件
gender_net_pretrained='./caffenet_train_iter_1500.caffemodel'
gender_net_model_file='./deploy_gender.prototxt'
gender_net = caffe.Classifier(gender_net_model_file, gender_net_pretrained,mean=mean,
channel_swap=(2,1,0),#RGB通道与BGR
raw_scale=255,#把图片归一化到0~1之间
image_dims=(256, 256))#设置输入图片的大小
#预测分类及其可特征视化
gender_list=['Male','Female']
input_image = caffe.io.load_image('1.jpg')#读取图片
prediction_gender=gender_net.predict([input_image])#预测图片性别
#打印我们训练每一层的参数形状
print 'params:'
for k, v in gender_net.params.items():
print 'weight:'
print (k, v[0].data.shape)#在每一层的参数blob中，caffe用vector存储了两个blob变量，用v[0]表示weight
print 'b:'
print (k, v[1].data.shape)#用v[1]表示偏置参数
#conv1滤波器可视化
filters = gender_net.params['conv1'][0].data
vis_square(filters.transpose(0, 2, 3, 1))
#conv2滤波器可视化
'''filters = gender_net.params['conv2'][0].data
vis_square(filters[:48].reshape(48**2, 5, 5))'''
print 'feature maps:'
for k, v in gender_net.blobs.items():
print (k, v.data.shape);
feat = gender_net.blobs[k].data[0,0:4]#显示名字为k的网络层,第一张图片所生成的4张feature maps
vis_square(feat, padval=1)
#显示原图片，以及分类预测结果
str_gender=gender_list[prediction_gender[0].argmax()]
print str_gender
plt.imshow(input_image)
plt.title(str_gender)
plt.show()
&&相关文章推荐
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：522831次
积分：6540
积分：6540
排名：第3250名
原创：147篇
评论：290条
声明:博文的编写，主要参考网上资料，并结合个人见解，仅供学习、交流使用，如有侵权，请联系博主删除，原创文章转载请注明出处。博主qq：，微博：//profile?profile_ftype=1&is_all=1#_0
文章：54篇
阅读：353196
(7)(5)(8)(6)(4)(1)(1)(1)(2)(6)(6)(5)(2)(12)(3)(5)(8)(3)(11)(3)(3)(4)(14)(21)(9)}