51优质资源

 找回密码
 立即注册
搜索
查看: 1549|回复: 63

[大数据/人工智能/云计算] 周志华机器学习 完整版(75.06G)

  [复制链接]
  • TA的每日心情
    慵懒
    昨天 11:31
  • 签到天数: 386 天

    [LV.9]以坛为家II

    1803

    主题

    2189

    帖子

    9万

    积分

    管理员

    Rank: 9Rank: 9Rank: 9

    积分
    96294
    发表于 2020-10-5 09:12:14 | 显示全部楼层 |阅读模式
    『课程目录』:
    ├─基础部分:人工智能python基础
    │  ├─第1部分
    │  │      机器学习与Python-第一章.zip
    │  │      第一讲:为什么使用Python.mp4
    │  │      第二讲:Python环境配置(Anaconda).mp4
    │  │      
    │  ├─第2部分
    │  │  ├─第10讲 Python文件输入输出
    │  │  │      2.8?Python文件输入输出.mp4
    │  │  │      Python文件输入输出.zip
    │  │  │      
    │  │  ├─第11讲 Python基础综合实践
    │  │  │      2.9?Python基础综合实践.mp4
    │  │  │      Python基础综合实践.zip
    │  │  │      
    │  │  ├─第3讲 预备知识与开始前的准备
    │  │  │      机器学习与Python_第二章.pdf
    │  │  │      第三讲:预备知识与开始前的准备.mp4
    │  │  │      
    │  │  ├─第4讲 python基本语法
    │  │  │      1-Python演示.ipynb
    │  │  │      第四讲:Python基本语法.mp4
    │  │  │      
    │  │  ├─第5讲 python数据类型
    │  │  │      Python数据类型.zip
    │  │  │      第五讲:Python数据类型.mp4
    │  │  │      
    │  │  ├─第6讲 python数据运算
    │  │  │      Python数据运算.zip
    │  │  │      第六讲:Python数据运算.mp4
    │  │  │      
    │  │  ├─第7讲 python流程控制
    │  │  │      Python流程控制.zip
    │  │  │      第七讲:Python流程控制.mp4
    │  │  │      
    │  │  ├─第8讲 Python函数设计
    │  │  │      2.6?Python函数设计.mp4
    │  │  │      Python函数设计.zip
    │  │  │      
    │  │  └─第9讲 Python编程库(包)的导入
    │  │          2.7?Python编程库(包)的导入.mp4
    │  │          Python编程库(包)的导入.zip
    │  │         
    │  └─第3部分
    │          3.1?Python数据分析工具简介(Numpy,Scipy,Matplotlib,Pandas,Scikit-Learn).mp4
    │          3.2 数据挖掘建模过程(定义挖掘目标,数据取样, 数据探索,数据预处理, 挖掘建模,模型评价).mp4
    │          3.3?Python主要数据探索函数(基本统计特征函数,扩展统计特征函数,统计作图函数).mp4
    │          3.4?Python主要数据预处理函数.mp4
    │          3.5?Python挖掘建模(Python分类预测模型,Python主要聚类分析算法,Python主要时序模型算法).mp4
    │          3.6?MNIST手写体数字图片识别.mp4
    │          4-mnist.zip
    │          机器学习与Python_第三章_1.zip
    │          机器学习与Python_第三章_2.zip
    │         
    ├─基础部分:人工智能数学基础
    │  ├─1、线代
    │  │      10.向量组的线性相关性2.ppt
    │  │      11.向量组的线性相关性3.ppt
    │  │      12.向量组的线性相关性4.ppt
    │  │      13.相似矩阵及二次型.ppt
    │  │      14. 范数.ppt
    │  │      15.矩阵分解.pptx
    │  │      16.主成分分析.ppt
    │  │      1行列式1.ppt
    │  │      2行列式2.pdf
    │  │      2行列式2.ppt
    │  │      3.矩阵及其运算1.ppt
    │  │      4.矩阵及其运算2.ppt
    │  │      5.矩阵的初等变换.ppt
    │  │      6.矩阵的秩.ppt
    │  │      7.线性方程组的解.ppt
    │  │      8.习题课.ppt
    │  │      9.向量组的线性相关性1.ppt
    │  │      第10讲:一小时答疑(Day2).mp4
    │  │      第11讲:向量组的线性相关性(一).mp4
    │  │      第12讲:向量组的线性相关性(二) .mp4
    │  │      第13讲:线性方程组的解的结构,向量空间.mp4
    │  │      第14讲:习题课.mp4
    │  │      第15讲:一小时答疑(Day3).mp4
    │  │      第16讲:相似矩阵及二次型(一).mp4
    │  │      第17讲:相似矩阵及二次型(二).mp4
    │  │      第18讲:范数 .mp4
    │  │      第19讲:矩阵分解.mp4
    │  │      第1讲:行列式(一)(已完成).mp4
    │  │      第20讲:主成分分析.mp4
    │  │      第21讲:一小时答疑(Day4).mp4
    │  │      第2讲:行列式(二)(已完成).mp4
    │  │      第3讲:矩阵及其运算(一).mp4
    │  │      第4讲:矩阵及其运算(二).mp4
    │  │      第5讲:一小时答疑(Day1).mp4
    │  │      第6讲:矩阵的初等变换.mp4
    │  │      第7讲:矩阵的秩.mp4
    │  │      第8讲:线性方程组的解.mp4
    │  │      第9讲:习题课.mp4
    │  │      
    │  └─2、概率论
    │          1 概率论1.ppt
    │          10 随机变量的数字特征-概率论与数理统计课件.ppt
    │          11 极限定理-概率论与数理统计课件.ppt
    │          2 概率论2.ppt
    │          3 概率论3.ppt
    │          4 概率论4.ppt
    │          5 概率论5.ppt
    │          6 概率论6.ppt
    │          7 概率论7.ppt
    │          8 概率论8.ppt
    │          9 随机向量-概率论与数理统计课件.ppt
    │          第22讲:概率论与数理统计(一).mp4
    │          第23讲:概率论与数理统计(二).mp4
    │          第24讲:概率论与数理统计(三).mp4
    │          第25讲:习题课.mp4
    │          第26讲:一小时答疑(Day5).mp4
    │          第27讲:随机变量(一).mp4
    │          第28讲:随机变量(二).mp4
    │          第29讲:随机变量(三).mp4
    │          第30讲:习题课.mp4
    │          第31讲:一小时答疑(Day6).mp4
    │          第32讲:随机向量(一).mp4
    │          第33讲:随机向量(二).mp4
    │          第34讲:随机变量的数字特征(一).mp4
    │          第35讲:随机变量的数字特征(二)(1).mp4
    │          第36讲:一小时答疑(Day7).mp4
    │          第37讲:随机变量的数字特征(三).mp4
    │          第38讲:随机变量的数字特征(四).mp4
    │          第39讲:随机变量的数字特征(五).mp4
    │          第40讲:极限定理(一).mp4
    │          第41讲:极限定理(二).mp4
    │          第42讲:一小时答疑(Day8).mp4
    │         
    ├─第1部分:开始之前
    │      1、开始之前.mp4
    │      __0__ 开始之前.pptx
    │      
    ├─第2部分:线性代数
    │      __1__ 线性代数1.pptx
    │      __2__ 线性代数2_线性相关和子空间.pptx
    │      __3__ 线性代数3_范数.pptx
    │      __4.1__ 线性代数4_特殊矩阵.pptx
    │      __5__ 矩阵分解.pdf
    │      第三讲:线性代数(二).mp4
    │      第二讲:线性代数(一).mp4
    │      第五讲:线性代数(四).mp4
    │      第六讲:线性代数(五).mp4
    │      第四讲:线性代数(三).mp4
    │      
    ├─第3部分:概率论
    │      __6__ 概率论.pdf
    │      __7__ 概率论.pdf
    │      __8__ 概率论.pdf
    │      课程回放 - 第七讲:概率论(一).mp4
    │      课程回放 - 第九讲:概率论(三).mp4
    │      课程回放 - 第八讲:概率论(二).mp4
    │      课程回放 - 第十讲:概率论(四).mp4
    │      
    └─第4部分:机器学习
        ├─1 简介
        │      机器学习1.1.pdf
        │      机器学习术语表.pdf
        │      深度学习1.2.pdf
        │      第1讲:引言、基本术语、假设空间.mp4
        │      第2讲:归纳偏好、发展历程、应用现状.mp4.baiduyun.p.downloading
        │      
        ├─10 降维与度量学习
        │      10.1 k近邻算法.mp4.baiduyun.p.downloading
        │      10.2 K-D Tree.mp4
        │      10.3 MDS.mp4
        │      10.4 PCA.mp4
        │      10.5 流形学习(一).mp4
        │      10.6 流形学习(二).mp4
        │      10.7 度量学习(一) .mp4
        │      10.8 度量学习(二).mp4
        │      ml_23_20181027_K近邻算法.ppt
        │      ml_24_20181103_MDS.pptx
        │      ml_24_20181103_PCA.zip
        │      ml_26_20181117_降维-度量学习.ppt
        │      流形学习.ppt
        │      
        ├─11 XGBOOST
        │      11.1 XGBoost(一).mp4
        │      11.2 XGBoost(二).mp4
        │      11.3 XGBoost(三).mp4
        │      ml_27_20181124_XGBoost.pptx
        │      
        ├─12 特征选择与稀疏学习
        │      12.1 特征选择与稀疏学习(一).mp4
        │      12.2 特征选择与稀疏学习(二).mp4
        │      ml_28_20181201_特征选择与稀疏学习.pptx
        │      
        ├─13 计算学习理论
        │      1. 计算学习理论.ppt
        │      13.1 计算学习理论(一).mp4
        │      13.2 计算学习理论(二).mp4
        │      
        ├─14 半监督学习
        │      1.半监督学习.pptx
        │      14.1 半监督学习(一).mp4
        │      14.10 半监督学习(十)半监督聚类.mp4
        │      14.2 半监督学习(二).mp4
        │      14.3 半监督学习(三)未标记样本.mp4
        │      14.4 半监督学习(四)生成式方法.mp4
        │      14.5 半监督学习(五)实战.mp4
        │      14.6 半监督学习(六)半监督SVM.mp4
        │      14.7 半监督学习(七)图半监督学习.mp4
        │      14.8 半监督(八)实战.mp4
        │      14.9 半监督学习(九)基于分歧的方法.mp4
        │      2.半监督学习(1).pptx
        │      2.半监督学习.pptx
        │      3.半监督学习(1).pptx
        │      3.半监督学习.pptx
        │      e3  Label Propagation digits Demonstrating performance.rar
        │      semi.rar
        │      半监督学习1_2.zip
        │      
        ├─15 概率图模型
        │      1.概率图模型.pdf
        │      15.1 HMM.rar
        │      15.1 隐马尔科夫模型.mp4
        │      15.2 概率图模型-马尔克夫随机场.mp4
        │      15.3 精确推断.mp4
        │      15.4 近似推断.mp4
        │      15.5 概率计算问题 直接计算算法 前向算法.mp4
        │      15.6 概率计算问题 前向算法.mp4
        │      15.7 概率计算问题 后向算法.mp4
        │      15.8 概率计算问题 学习算法.mp4
        │      15.8.学习问题 预测问题.pdf
        │      15.9 HMM.rar
        │      15.9 概率计算问题 预测问题 .mp4
        │      2.概率图模型.pdf
        │      3.概率计算问题.pdf
        │      
        ├─16 规则学习
        │      16.1 基本概念 贯序覆盖.mp4
        │      16.1.规则学习.pptx
        │      16.2 剪枝优化.mp4
        │      16.3 决策树.mp4
        │      16.3.决策树分类.ppt
        │      16.4 一阶规则学习.mp4
        │      16.4.规则学习.pptx
        │      16.5 归纳逻辑程序设计(最小一般泛化,逆归结).mp4
        │      16.6 归纳逻辑程序设计(最小一般泛化,逆归结).mp4
        │      2.规则学习-剪枝优化.flv
        │      
        ├─17 增强学习
        │      17.1 强化学习 .ppt
        │      17.1 强化学习引言、发展史.mp4
        │      17.2 强化学习 .ppt
        │      17.2 强化学习简介.mp4
        │      17.3 强化学习 (1).ppt
        │      17.3 强化学习方法.mp4
        │      17.4 强化学习算法分类 TD算法.mp4
        │      17.4.强化学习.ppt
        │      17.5 Qlearning.mp4
        │      17.5 Q_learning.ipynb
        │      17.6 QLearning2.mp4
        │      17.6 强化学习.rar
        │      17.7 Sarsa.mp4
        │      17.7 强化学习.rar
        │      17.8 DQN.mp4
        │      17.8 强化学习.rar
        │      17.9 强化学习.rar
        │      17.9 强化学习应用和未来展望.mp4
        │      
        ├─18 增量学习
        │      18.1 增量学习.rar
        │      18.1 增量学习简介.mp4
        │      18.2 增量学习.rar
        │      18.2 增量学习实战.mp4
        │      
        ├─19 迁移学习
        │      19.1 迁移学习.rar
        │      19.1 迁移学习1.mp4
        │      19.2 迁移学习.rar
        │      19.2 迁移学习2.mp4
        │      19.3 迁移学习.rar
        │      19.3 迁移学习3.mp4
        │      19.4 迁移学习.rar
        │      19.4 迁移学习4.mp4
        │      
        ├─2 模型评估与选择
        │      2.1 经验误差与过拟合.mp4
        │      2.2 ml_1_20180526.zip
        │      2.2 评估方法(留出法,交叉验证法,自助法,调参与最终模型).mp4
        │      2.3 性能度量(1).mp4
        │      2.4 ml_2_20180602.zip
        │      2.4 性能度量(2).mp4
        │      
        ├─20 主动学习
        │      20.1 主动学习.rar
        │      20.1 主动学习1.mp4
        │      20.2 主动学习.rar
        │      20.2 主动学习2.mp4
        │      
        ├─21 多任务学习
        │      21.1 非均衡学习1.mp4
        │      
        ├─22 特征提取
        │      22.1、特征提取.rar
        │      22.1、特征提取1.mp4
        │      22.2、特征提取.rar
        │      22.2、特征提取2.mp4
        │      
        ├─23 机器学习项目实战
        │      23.1 基于Keras的分类模型1.mp4
        │      23.1 实战.rar
        │      23.2 基于Keras的分类模型2.mp4
        │      23.2 实战.rar
        │      23.3 DAN.rar
        │      23.3 基于pytorch的领域分布自适应.mp4
        │      23.4 DAN.rar
        │      23.4 基于pytorch的领域分布自适应.mp4
        │      23.5 _mici_vapor.zip
        │      23.5 数据挖掘实战-蒸汽预测1.mp4
        │      24.6 数据挖掘实战-蒸汽预测2.mp4
        │      
        ├─24 特征提取
        │      24.1、特征提取.rar
        │      24.1、特征提取1.mp4
        │      24.2、特征提取.rar
        │      24.2、特征提取2.mp4
        │      
        ├─3 线性模型
        │      3.1 对数几率回归(一).mp4
        │      3.2 对数几率回归(二).mp4
        │      3.2 逻辑回归.zip
        │      3.3 _dayi.zip
        │      3.3 一小时答疑.mp4
        │      3.4 ml_4_20180616_0.zip
        │      3.4 线性判别分析.mp4
        │      3.5 ml_4_20180616_1.zip
        │      3.5 多分类学习,类别不平衡问题.mp4
        │      
        ├─4 决策树
        │  │  第13讲.zip
        │  │  第15讲.zip
        │  │  课程回放 - 第一十三讲:划分选择(信息增益,增益率,基尼指数).mp4
        │  │  课程回放 - 第一十二讲:基本流程.mp4
        │  │  课程回放 - 第一十五讲:连续与缺失值(连续值处理,缺失值处理).mp4
        │  │  课程回放 - 第一十四讲:剪枝处理(预剪枝,后剪枝).mp4
        │  │  
        │  ├─第十三讲
        │  │      6.decision tree.ipynb
        │  │      6.决策树分类.pdf
        │  │      watermelon_3a.csv
        │  │      
        │  └─第十五讲
        │      │  7c4.5.pdf
        │      │  cart.ipynb
        │      │  
        │      └─__MACOSX
        │              ._7c4.5.pdf
        │              ._cart.ipynb
        │              
        ├─5 神经网络
        │      1、神经元模型(1).zip
        │      2、误差逆向传播.zip
        │      3、CNN.zip
        │      4、初识TensorFlow.zip
        │      5.1 神经元模型.mp4
        │      5.10 一小时答疑.mp4
        │      5.2 感知机与多层网络.mp4
        │      5.3 误差逆传播算法.mp4
        │      5.4 一小时答疑.mp4
        │      5.5 其他常见神经网络(一)Boltzmann机 、深度置信神经网络DBN.mp4
        │      5.6 卷积神经网络CNN.mp4
        │      5.7 一小时答疑.mp4
        │      5.8 初识TensorFlow(一).mp4
        │      5.9 初识TensorFlow(二).mp4
        │      
        ├─6 支持向量机
        │      6.1 支持向量机(一).mp4
        │      6.2 支持向量机(二).mp4
        │      6.3 一小时答疑.mp4
        │      6.4 支持向量机(三).mp4
        │      6.5 支持向量机(四).mp4
        │      6.6 一小时答疑.mp4
        │      6.7 支持向量机(五).mp4
        │      6.8 支持向量机(六).mp4
        │      6.9 一小时答疑.mp4
        │      ml_11_20180804.zip
        │      ml_12_20180811.zip
        │      ml_13_20180818_0.zip
        │      ml_13_20180818_1.zip
        │      
        ├─7 贝叶斯分类器
        │      7.1 贝叶斯分类器—初识贝叶斯分类器.mp4
        │      7.10 一小时答疑.mp4
        │      7.2 贝叶斯分类器—最大似然估计和贝叶斯参数估计.mp4
        │      7.3 一小时答疑.mp4
        │      7.4 贝叶斯分类器—最大似然估计和贝叶斯参数估计(补充).mp4
        │      7.5 朴素贝叶斯分类器,半朴素贝叶斯分类器.mp4
        │      7.6 贝叶斯网(结构,学习,推断).mp4
        │      7.7 一小时答疑.mp4
        │      7.8 贝叶斯分类器 - EM算法.mp4
        │      7.9 贝叶斯分类器 - EM实战.mp4
        │      ml_14_20180825.zip
        │      ml_15_20180901.zip
        │      ml_16_20180908.zip
        │      
        ├─8 集成学习
        │      8.1 集成学习 - 第一部分 - 基础.mp4
        │      8.10 Bagging与随机森林实战.mp4
        │      8.2 集成学习 - 第一部分 - 实战.mp4
        │      8.3 一小时答疑.mp4
        │      8.4 Boosting.mp4
        │      8.5 Adaboost.mp4
        │      8.6 Boosting与Adaboost - 实战.mp4
        │      8.7 一小时答疑.mp4
        │      8.8 Bagging与随机森林.mp4
        │      8.9 分类与回归树.mp4
        │      ml_17_20189015.zip
        │      ml_18_20180922_Adaboost.ipynb
        │      ml_18_20180922_adaboost.ppt
        │      ml_18_20180922_Boosting.ppt
        │      ml_19_20180929_Bagging与随机森林.pptx
        │      ml_19_20180929_code.zip
        │      ml_19_20180929_分类与回归树.ppt
        │      
        └─9 聚类分析
                9.1 聚类任务.mp4
                9.2?聚类任务、性能度量、距离计算 - 实战.mp4
                9.3?一小时答疑.mp4
                9.4 原型聚类(k均值算法、学习向量量化、高斯混合聚类)(一).mp4
                9.5?原型聚类(k均值算法、学习向量量化、高斯混合聚类)(二).mp4
                9.6?原型聚类(k均值算法、学习向量量化、高斯混合聚类) - 实战.mp4
                9.7?密度聚类.mp4
                9.8?层次聚类.mp4
                ml_20_20181005_clustering.ipynb
                ml_20_20181005_聚类_聚类任务_性能度量_距离计算.ppt
                ml_21_20181013_kmeans.ipynb
                ml_21_20181013_聚类_原型聚类.ppt
                ml_22_20181020_密度聚类_层次聚类.ppt

    『课程下载』:


    游客,本付费内容需要支付 26学币 才能浏览,如果您有足够的学币支付请点击右侧支付按钮支付即可.
    如果学币不足?【开通VIP】(全站资源无限制下载+VIP优质藏宝阁+每日更新)!支付


    该会员没有填写今日想说内容.

    我要优质资源 - 免责声明1、本站所有资源均来自互联网收集, 本站只负责收集不承担任何技术及版权问题
    2、如本文内容侵犯到任何版权问题, 请立即告知本站 QQ: 1762734187, 本站将及时予与删除并致以最深的歉意
    3、本文部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责
    4、一经注册为本站会员,一律视为同意网站规定,本站管理有权禁止违规用户
    5、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和我要优质资源的同意
    6、若因内容问题我要优质资源管理人员有权不事先通知发帖者而删除本文
    7、本站教程仅供本站会员学习参考,不得传播及用于其他用途,学习完后请在24小时内自行删除
    8、本站资源质量虽均经精心审查,但也难保万无一失,若发现资源有问题影响学习请一定及时点此进行问题反馈
    9、若发现链接失效了请点此进行链接失效反馈,我们会第一时间修复链接

    回复

    使用道具 举报

  • TA的每日心情
    开心
    3 天前
  • 签到天数: 192 天

    [LV.7]常住居民III

    0

    主题

    222

    帖子

    734

    积分

    普通会员

    Rank: 1

    积分
    734
    发表于 2020-10-5 16:38:40 | 显示全部楼层
    感谢分享
    回复

    使用道具 举报

  • TA的每日心情

    昨天 07:28
  • 签到天数: 187 天

    [LV.7]常住居民III

    0

    主题

    443

    帖子

    636

    积分

    普通会员

    Rank: 1

    积分
    636
    发表于 2020-10-5 17:02:47 | 显示全部楼层
    RE: 周志华机器学习 完整版(75.06G) [修改]
    回复

    使用道具 举报

  • TA的每日心情
    郁闷
    2021-3-31 16:44
  • 签到天数: 195 天

    [LV.7]常住居民III

    0

    主题

    196

    帖子

    954

    积分

    普通会员

    Rank: 1

    积分
    954
    发表于 2020-10-5 21:01:36 | 显示全部楼层
    RE: 周志华机器学习 完整版(75.06G) [修改]
    回复

    使用道具 举报

  • TA的每日心情
    郁闷
    2021-3-2 02:29
  • 签到天数: 72 天

    [LV.6]常住居民II

    0

    主题

    254

    帖子

    511

    积分

    年度VIP

    积分
    511
    发表于 2020-10-6 07:31:37 | 显示全部楼层
    谢谢分享啊啊
    回复

    使用道具 举报

  • TA的每日心情
    开心
    昨天 12:49
  • 签到天数: 255 天

    [LV.8]以坛为家I

    3

    主题

    288

    帖子

    1113

    积分

    普通会员

    Rank: 1

    积分
    1113
    发表于 2020-10-6 11:47:17 | 显示全部楼层
    周志华机器学习
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    昨天 10:29
  • 签到天数: 148 天

    [LV.7]常住居民III

    0

    主题

    186

    帖子

    618

    积分

    普通会员

    Rank: 1

    积分
    618
    发表于 2020-10-6 17:22:04 | 显示全部楼层
    贝叶斯分类器—初识贝叶斯分类器.mp4
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2021-3-28 17:12
  • 签到天数: 194 天

    [LV.7]常住居民III

    0

    主题

    266

    帖子

    561

    积分

    普通会员

    Rank: 1

    积分
    561
    发表于 2020-10-6 22:41:17 | 显示全部楼层
    谢谢分享
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2021-3-29 00:02
  • 签到天数: 145 天

    [LV.7]常住居民III

    0

    主题

    237

    帖子

    363

    积分

    普通会员

    Rank: 1

    积分
    363
    发表于 2020-10-7 12:55:33 | 显示全部楼层
    感谢分享
    回复

    使用道具 举报

  • TA的每日心情

    前天 18:03
  • 签到天数: 58 天

    [LV.5]常住居民I

    0

    主题

    168

    帖子

    504

    积分

    年度VIP

    积分
    504
    发表于 2020-10-7 17:08:23 | 显示全部楼层
    周志华机器学习 完整版(75.06G) [修改]
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    手机版|小黑屋|51优质资源 |网站地图

    GMT+8, 2021-4-12 02:02 , Processed in 0.103386 second(s), 22 queries .

    Powered by Discuz! X3.4

    Copyright © 2001-2020, Tencent Cloud.

    快速回复 返回顶部 返回列表