我在这里使用了一些代码：和tensorflow。我认为代码是为旧版本的tensorflow编写的，我使用的是1.0.0版本。我使用tf_upgrade.py升级了github代码库中的model.py，但仍然收到错误：
output, _, _ = contrib_rnn.bidirectional_rnn(fw_cell, bw_cell,
AttributeError: 'module' object has no attribute 'bidirectional_rnn'
这是在我将bidirectional_rnn调用更改为使用contrib_r
浏览 1提问于2017-02-17得票数 0
1回答
嗨，我正在尝试理解双向RNN。 > class RNN(nn.Module):
>
>
> def __init__(self,n_vocab,n_embed,hidden_size,output_size):
>
> super().__init__()
>
> self.hidden_size = hidden_size
>
> self.embedding = nn.Embedding(n_vocab+1,n_embed) ## n_vocab is unique words in di
浏览 43提问于2020-07-28得票数 0
回答已采纳
1回答
基于RNN的POS标记
、、、、
我使用RNN实现了一个POS标签器。如果当前单词为W_i，则有三个特性：
特征1: WI-2，WI-1，W_i，W_i+1，W_i+2
特征2:特征1，2字符的后缀
特征3:如果W_i为大写，W_i为小写，W_i的第一个字符为大写
在我的模型中，我有两个RNN，对于特征1和特征2，然后RNN和Feature3的输出连接在一起，然后是一个softmax。特征1的RNN是双向的。
我在PennTree银行尝试了我的模型，但是准确率很低(无论是培训还是评估都低于50%)。只是想知道，如果有人知道在python中使用RNN (基于单词的特性)的开源POS标签，我可以将它与我的模型进
浏览 2提问于2016-04-29得票数 1
1回答
我试图在没有C++/CUDA绑定的情况下重新实现torch.nn.RNN模块，即使用简单的张量操作和相关逻辑。我开发了以下RNN类和相关的测试逻辑，可用于将输出与引用模块实例进行比较：
import torch
import torch.nn as nn
class RNN(nn.Module):
def __init__(self, input_size, hidden_size, num_layers, bidirectional=False):
super(RNN, self).__init__()
self.input_size = inpu
浏览 12提问于2022-03-18得票数 3
回答已采纳
我使用cnn + lstm + ctc网络(基于)来做一个中文场景文本识别。对于大量的类(3500+)，网络很难训练。我听说使用组LSTM (，O. Kuchaiev和B. Ginsburg“LSTM网络的分解技巧”，ICLR2017研讨会。)可以减少参数数量并加速训练，所以我尝试在我的代码中使用它。
我使用两层双向lstm。这是使用tf.contrib.rnn.LSTMCell的原始代码
rnn_outputs, _, _ =
tf.contrib.rnn.stack_bidirectional_dynamic_rnn(
[tf.contrib.rnn.LSTMCell(num_units
浏览 15提问于2017-07-21得票数 2
我正在使用Tensorflow构建一个双向自动编码器。在我的工作中，需要访问序列中的所有状态，而不仅仅是最后一个状态，而是函数输出，state，state = rnn.bidirectional_rnn只返回序列的最后一个状态。如何获取其他状态？
浏览 5提问于2016-09-11得票数 0
回答已采纳
import tensorflow as tf
from tf.contrib import rnn
lstm_f = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
lstm_b = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
blstm_out, state_f, state_b = rnn.static_bidirectional_rnn(lstm_f, lstm_b, x, dtype=tf.float32)
上面的代码与tensorflow 1.x一起工作，但是我很难找到一种使用tensorflo
浏览 5提问于2019-05-07得票数 2
回答已采纳
我已经将embedding_attention_seq2seq模块用于机器翻译任务，如以下教程所述：
在本教程中指定模型的seq2seq_model.py中，我注意到在默认情况下，如果在以下行中将use_lstm设置为false，则它们使用了use_lstm：
# Create the internal multi-layer cell for our RNN.
single_cell = tf.nn.rnn_cell.GRUCell(size)
if use_lstm:
single_cell = tf.nn.rnn_cell.BasicLSTMCell(size)
cell = si
浏览 1提问于2016-10-14得票数 3
回答已采纳
2回答
双向RNN由两个RNN组成，一个用于前向，另一个用于后向顺序方向，其结果在每个时间步骤中被串联。这种配置是否会限制模型始终使用固定的序列长度？还是它仍然作为单向RNN工作，可以应用于任何序列长度？
之所以提出这个问题，是因为双向体系结构在每个时间步骤合并了前向和后向RNN的输出。因此，如果序列长度为4，则前向和后向RNN的输出都将以这样的方式合并:1向前与4后退，2向前与3后退，.4前进与1后退。但是，如果使用了不同的序列长度，则将修改合并顺序：
假设网络使用序列长度4进行训练，但在测试时使用的序列长度为5。合并将是:1前进第5后退，第2前进与第4后退.第5位前进，第1位后退。这种合并顺序的变
浏览 0提问于2020-06-09得票数 4
回答已采纳
我从这个得到的编码器的输出有一些不一致之处。
编码器看起来如下：
class Encoder(nn.Module):
r"""Applies a multi-layer LSTM to an variable length input sequence.
"""
def __init__(self, input_size, hidden_size, num_layers,
dropout=0.0, bidirectional=True, rnn_type='lstm'):
浏览 3提问于2020-05-12得票数 3
回答已采纳
我正在尝试将下面的代码从TF 1.2更新到TF 2.0。当我使用所有“旧”行(由上面的注释old标记)运行代码时，我会收到以下警告：
WARNING: LSTMCell.__init__ (from tensorflow.python.ops.rnn_cell_impl) is deprecated and will be removed in a future version.
Instructions for updating:
This class is equivalent as tf.keras.layers.LSTMCell, and will be replaced by tha
浏览 7提问于2020-05-11得票数 2
回答已采纳
似乎tensorflow不支持双向RNN的可变批大小。在本例中，sequence_length绑定到batch_size，这是一个Python整数：
_seq_len = tf.fill([batch_size], tf.constant(n_steps, dtype=tf.int64))
outputs, state1,state2 = rnn.bidirectional_rnn(rnn_fw_cell, rnn_bw_cell, input,
dtype="float",
浏览 3提问于2016-03-23得票数 2
回答已采纳
2回答
我正在使用双向RNN为编码器和解码器实现一个编码器解码器模型。由于我在编码器端初始化双向RNN，并且与双向RNN关联的权重和向量已经初始化，所以当我尝试在解码器端初始化另一个实例时，我得到以下错误： ValueError: Variable bidirectional_rnn/fw/gru_cell/w_ru already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? 我试着在它自己的name_scope中定义每一个，如下所示，但是没有用： def enc(mes
浏览 22提问于2019-09-17得票数 2
回答已采纳
1回答
我想做以下的模特儿：
y(t)=F(x(t-1)，x(t-2)，...x(T))
或者，假设一个函数，它的当前输出依赖于最后的k输入。
1-我知道一种方法是为每个y(T)建立一个具有k个输入的经典神经网络，如...x{x(t-1)，x(t-2)，...x( to )}，并对其进行训练。那么使用RNN来解决这个问题有什么好处呢？
2-假设使用RNN，应该只使用x(t) (或x(t-1))，并假设隐藏层(S)可以通过在其内存(隐藏层)中找到y(t)与过去k输入的关系？
3-使用深度RNN或LSTM等深网对此类问题有任何优越的好处，考虑到我们想要根据最后k个输入来估计输出？
浏览 1提问于2016-05-04得票数 3
回答已采纳
我有这个遗留代码，它是在tensorflow 1.0.1中实现的。我想要将当前的LSTM单元转换为双向LSTM。
with tf.variable_scope("encoder_scope") as encoder_scope:
cell = contrib_rnn.LSTMCell(num_units=state_size, state_is_tuple=True)
cell = DtypeDropoutWrapper(cell=cell, output_keep_prob=tf_keep_probabiltiy, dtype=DTYPE)
cell = contrib_r
浏览 6提问于2020-06-13得票数 0
回答已采纳
我使用keras构建了一个seq2seq模型，如下所示：
def build_bidi_model():
rnn = layers.LSTM
# Encoder
# encoder inputs
encoder_inputs = Input(shape=(None,), name='encoder_inputs')
# encoder embedding
encoder_embedding = Embedding(num_encoder_tokens, encoder_embedding_dim,name='encode
浏览 0提问于2018-03-12得票数 0
在我的代码中：(在tf1.0上工作得很好)
from tensorflow.contrib.rnn.python.ops import core_rnn
from tensorflow.contrib.rnn.python.ops import core_rnn_cell
from tensorflow.contrib.rnn.python.ops import core_rnn_cell_impl
用tf1.2报告错误:从tensorflow.contrib.rnn.python.ops导入core_rnn ImportError:无法导入名称“core_rnn”
浏览 4提问于2017-07-10得票数 0
回答已采纳
1回答
我正在尝试使用Tensorflow 1.3.0实现文本摘要的seq2seq模型。
我试图在编码层中使用MultiRNNCell和bidirectional_dynamic_rnn。我错过了一些东西，但找不到。错误堆栈跟踪并不是直接的，这使得它更难理解。
在构建图表时，我得到了下面的错误。
---------------------------------------------------------------------------
InvalidArgumentError Traceback (most recent call last)
~/a
浏览 1提问于2017-09-02得票数 1
回答已采纳
我正在尝试使用Tensorflow的CTC实现，但没有成功。
首先，谁知道我在哪里能读到一个好的一步一步的教程？Tensorflow在这个主题上的文档非常贫乏。
我是否必须提供给ctc_loss的标签与空白标签交错或不？
即使使用长度超过200个历代的火车数据集，我也无法适应我的网络。:(
如何使用tf.edit_distance计算标签错误率？
这是我的代码：
with graph.as_default():
max_length = X_train.shape[1]
frame_size = X_train.shape[2]
max_target_le
浏览 7提问于2016-06-27得票数 12
回答已采纳
我想试试bidirectional_rnn来预测时间序列。代码是：#BiRNN_model.py
import tensorflow as tf
类BiRNN(对象)：
"""
a bidirection RNN
"""
def __init__(self, in_size, out_size, num_steps=20, cell_size=20, batch_size=50,
num_layers=2, keep_prob=0.5, is_training=True):
"""
浏览 4提问于2017-05-10得票数 0
1回答
最近我开始使用LSTM，但当我开始使用双向时，我混淆了双向RNN和双向LSTM！它们是一样的吗？什么是双向编码层？
浏览 0提问于2019-03-29得票数 1
我正在建立一个具有多个LSTM叠加的动态RNN网络。我看到有两种选择
# cells_fw and cells_bw are list of cells eg LSTM cells
stacked_cell_fw = tf.contrib.rnn.MultiRNNCell(cells_fw)
stacked_cell_bw = tf.contrib.rnn.MultiRNNCell(cells_bw)
output = tf.nn.bidirectional_dynamic_rnn(
stacked_cell_fw, stacked_cell_bw, INPUT,
浏览 0提问于2018-03-12得票数 13
回答已采纳
4回答
是否有用于目标检测的RNN方法？
、、、、
在阅读了使用CNN检测物体的最新进展(R快速R，YOLO，SSD.)我想知道是否有一种使用RNN的方法，还是将CNN和RNN的方法结合起来进行目标检测？谢谢
浏览 0提问于2018-02-21得票数 4
回答已采纳
我读过关于双向神经网络的文章。他们似乎需要来自过去和未来的投入。因此，假设我们要预测未来一小时的能源使用，最后168小时的能量消耗作为网络的输入。因此，使用双向RNN，它还需要未来的数据，这就是我们将要预测的！你能帮我解释一下我的困惑吗？
谢谢
浏览 0提问于2019-08-23得票数 1
1回答
我正在学习如何构建一个基于seq2seq的模型，并试图通过为编码器和解码器堆叠多个RNN层来扩展它。但是，我在检索对应于编码器隐藏状态的输出时遇到了问题。
下面是我在编码器中构建叠加的双向GRUCell层的代码：
# Encoder initializer
def __init__(self, n_layers, dropout, ...):
...
gru_cells = [layers.GRUCell(units,
recurrent_initializer='glorot_uniform',
浏览 4提问于2020-06-27得票数 0
回答已采纳
1回答
我正在实现一个具有多层双向rnn和注意力机制的Seq2Seq模型，在学习本教程https://github.com/tensorflow/nmt时，我对如何正确操作双向层之后的encoder_state感到困惑。 引用教程“对于多个双向层，我们需要稍微操作一下encoder_state，有关更多详细信息，请参阅model.py，_build_bidirectional_rnn()方法”。下面是代码的相关部分(https://github.com/tensorflow/nmt/blob/master/nmt/model.py第770行)： encoder_outputs, bi_encoder
浏览 16提问于2019-01-17得票数 1
我在递归神经网络方面几乎是新手。递归神经网络，如rnn，lstm，bi-lstm等几乎都是用python实现的。我想要一个递归神经网络的C#工具，找到了RNNSharp。这个框架的输入很复杂。是否有可能用RNNSharp实现双向lstm？如果可能的话，那么请帮助我创建一个最小的代码片段或链接的模型。谢谢。
浏览 3提问于2019-10-21得票数 0
2回答
我想知道在做情绪分析时如何使用RNN。
RNN的特点似乎是记住过去的事物，决定现在(未来)的价值，但我认为这种RNN的特征在分析情感时是无用的。
我很好奇，想知道如何通过记忆到目前为止出现的单词来进行情感分析。
我认为训练向量的方法是分析情感的唯一方法，它能显示出特定单词出现多少次。
如果某个RNN模型训练一个句子“好电影”并贴上“正面”标签，它能把一个新句子“电影好”预测成“积极”吗？
另外，如果一个正常的模型(刚刚完全连接的深层神经网络)训练一个句子“好电影”并贴上“正面”标签，这个模型很难将一个新句子“电影好”预测成“积极”吗？
浏览 0提问于2020-10-26得票数 6
请参考本文了解问题的背景：
我的工作是相同的模式，并希望取代单向LSTM层的双向层。我意识到我必须使用static_bidirectional_rnn而不是static_rnn，但是由于张量形状的不匹配，我得到了一个错误。
我替换了以下一行：
encoder_outputs, encoder_state = core_rnn.static_rnn(encoder_cell, encoder_inputs, dtype=dtype)
以下一行：
encoder_outputs, encoder_state_fw, encoder_state_bw = core_rnn.static_bidire
浏览 4提问于2017-07-14得票数 3
3回答
import torch,ipdb
import torch.autograd as autograd
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
rnn = nn.LSTM(input_size=10, hidden_size=20, num_layers=2)
input = Variable(torch.randn(5, 3, 10))
h0 = Variable(torch.randn(2, 3
浏览 8提问于2017-07-10得票数 35
回答已采纳
1回答
在最初的论文中，作者认为注释是前向状态和后向状态在每个时间步骤的级联。
📷
在tensorflow 实现 (memory param)中，内存字段被称为由RNN编码器的输出(而不是隐藏状态)填充。
我遗漏了什么？
浏览 0提问于2017-06-12得票数 1
回答已采纳
1回答
我认为我们可以使用下面的代码段来创建一个LSTM堆栈，并将其状态初始化为零。
lstm_cell = tf.contrib.rnn.BasicLSTMCell(
hidden_size, forget_bias=0.0, state_is_tuple=True)
cell = tf.contrib.rnn.MultiRNNCell([lstm_cell] * num_layers, state_is_tuple=True)
cell.zero_state(batch_size, tf_float32)
我不使用BasicLSTMCell，而是使用CUDNN
cud
浏览 2提问于2018-09-16得票数 2
回答已采纳
1回答
我正在使用Tensorflow的seq2seq model1实现一个聊天机器人，向它提供Ubuntu对话语料库中的数据。我想将使用标准LSTM单元的RNN与Kalchbrenner等人2中描述的Grid单元进行比较。
我正在尝试在4.4节中描述的转换模型中实现Grid单元，但我正在为双向部分而奋斗。
我试过使用BidirectionalGridLSTMCell，但我不知道它们对num_frequency_block的含义。报纸上没有提到这一点。有人知道num_frequency_block是什么意思吗？在api文档中，它写着：num_frequecy_blocks：必需的频率块列表，用于覆盖由
浏览 4提问于2017-02-01得票数 3
我对深度学习非常陌生，我特别感兴趣的是了解什么是LSTM和BiLSTM，以及何时使用它们(主要的应用领域)。为什么LSTM和BILSTM比RNN更受欢迎？
我们能在无监督的问题中使用这些深度学习架构吗？
浏览 0提问于2017-12-14得票数 21
回答已采纳
1回答
在Keras中，RNN的Bidirectional包装器也支持stateful=true。我真的不明白这是怎么回事：
在有状态单向模型中，批处理的状态将传递到下一批处理。我猜它对双向模型中的前向层也是一样的。
但是后向层从哪里获取它的状态呢？如果我理解正确的话，从技术上讲，它应该从“下一个”批处理中接收它的状态。但是很明显“下一个”批处理还没有被计算，那么它是如何工作的呢？
浏览 0提问于2017-02-15得票数 6
4回答
我想知道如何在Tensorflow中使用多层双向LSTM。
我已经实现了双向LSTM的内容，但是我想将这个模型与添加多层的模型进行比较。
我该如何在这个部分中添加一些代码？
x = tf.unstack(tf.transpose(x, perm=[1, 0, 2]))
#print(x[0].get_shape())
# Define lstm cells with tensorflow
# Forward direction cell
lstm_fw_cell = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
# Backward directi
浏览 11提问于2017-09-13得票数 8
回答已采纳
1回答
最近，我尝试使用Tensorflow的BasicLSTMCell api来生成视频字幕。我正在使用一段代码，它以以下方式构建BasicLSTMCell： self.lstm1 = tf.compat.v1.nn.rnn_cell.BasicLSTMCell(dim_hidden, state_is_tuple=False)
self.lstm2 = tf.compat.v1.nn.rnn_cell.BasicLSTMCell(dim_hidden, state_is_tuple=False) 然后使用它，如下所示： with tf.compat.v1.variable_scope("
浏览 48提问于2021-01-13得票数 0
1回答
我最近在Keras (以Tensorflow为后端)构建了一个CNN，它将恒星光谱作为输入，并预测三个恒星参数作为输出:温度、表面重力和金属丰度。我现在正在尝试创建一个做同样事情的RNN，以便比较这两个模型。
在搜索示例和论坛后，我还没有发现许多与我的项目足够相似的应用程序。我已经尝试实现了一个简单的RNN，看看我是否能得出合理的结果，但到目前为止还没有成功:这些网络似乎根本没有学习。
我真的需要一些指导来开始我的学习。具体而言: RNN是否是解决此类问题的合适网络？模型的正确输入形状是什么？我知道这取决于网络的架构，所以我猜我的下一个问题是:什么是能够计算回归预测的简单架构？
我的输入数据是
浏览 7提问于2017-03-10得票数 3
回答已采纳
我试图创建一个小的双向递归神经网络。模型本身没有错误地编译，但是当试图拟合模型时，我得到了一个错误，说明我应该首先编译。请参阅下面的代码片段：
# fourth recurrent model, bidirectional
bidirectional_recurrent = Sequential()
bidirectional_recurrent.add(Bidirectional(GRU(32, input_shape=(int(lookback/steps), data_scaled.shape[-1]))))
bidirectional_recurrent.add(Dense(1))
浏览 2提问于2018-06-21得票数 4
回答已采纳
我尝试在Tensorflow中构建一个情感分析模型
def rnn_lstm(weights, biases, data_x, sequence_length, vocab_size, embedding_size):
# Use Tensor Flow embedding lookup and convert the input data set
with tf.device("/cpu:0"):
embedding = tf.get_variable("embedding43", [vocab_size, embedding_
浏览 0提问于2017-05-18得票数 0
当我运行下面所示的代码时，函数中的tic/toc对显示了很短的时间(<< 1秒)才能遍历所有的行。然而，实际上大约需要2.3秒才能得到输出！我用tic/toc对来测量时间。
tic
rnn.v = 11;
rnn.h = 101;
rnn.o = 7;
rnn.h_init = randn(1,rnn.h,'gpuArray');
rnn.W_vh = randn(rnn.v,rnn.h,'gpuArray');
rnn.W_hh = randn(rnn.h,rnn.h,'gpuArray');
rnn.W_ho = randn(r
浏览 8提问于2014-08-24得票数 1
回答已采纳
1回答
我有这样的模型，我一直在用它来进行序列分类。
class RoBERT_Model(nn.Module):
def __init__(self, hidden_size = 100):
self.hidden_size = hidden_size
super(RoBERT_Model, self).__init__()
self.lstm = nn.LSTM(768, hidden_size, num_layers=1, bidirectional=False)
self.out = nn.Linear(hidden_s
浏览 3提问于2021-09-22得票数 0
回答已采纳
我在GPU支持下使用Tensorflow 1.1.0，我有以下功能：
def get_init_cell(batch_size, rnn_size, keep_prob=0.75, layers=2):
"""
Create an RNN Cell and initialize it.
:param batch_size: Size of batches
:param rnn_size: Size of RNNs
:return: Tuple (cell, initialize state)
"""
浏览 0提问于2017-05-08得票数 0
回答已采纳
我对(单向的，普通的) RNN和序列建模非常陌生，对于在两个连续的隐藏层/激活之间建立联系的动机，我所了解的就是:需要这种连接来重用从t-th部分( i-th sequence，x_i^{<t>} )中学到的信息，以了解x_i^{<t+1>}，即(相同) i-th序列中的(t+1) -st部分。
如果我错了，请纠正我，但我没有看到在两个连续隐藏状态之间的每一个连接使用相同的激活到激活参数集\theta_{aa}的动机，当然，除了这样:我们有较少的参数来估计，而我们最小化成本。我不禁认为，随着更多的信息(=相同序列的一部分，即翻译时的单词)的出现，\theta_{aa}应
浏览 0提问于2019-04-30得票数 1
1回答
当连接时变量会被覆盖。
、、、
我写了一个小bash脚本：
#!/bin/bash -x
runDirectory="/mnt/sequences_tmp/melody_rnn/logdir/run_"
currName=$1
magenta1="bazel run //magenta/models/melody_rnn:melody_rnn_train -- --config=attention_rnn --run_dir="
echo $magenta1
magenta2="$magenta1$runDirectory"
echo $magenta2
magenta3=&#
浏览 0提问于2018-04-16得票数 2
回答已采纳
~/anaconda3/lib/python3.6/site-packages/tflearn/layers/recurrent.py in <module>()
12 # Fix for TF 1.1.0 and under
13 from tensorflow.contrib.rnn.python.ops.core_rnn import static_rnn as _rnn, static_bidirectional_rnn as _brnn
---> 14 from tensorflow.python.ops.rnn impo
浏览 0提问于2018-03-03得票数 0
以下代码有何不同？
用tf.contrib.rnn.DropoutWrapper
tf.contrib.rnn.MultiRNNCell(tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(rnn_sizes，_ enc_cell _output_prob=1-output_prob) for _ in范围(Num_layers) _，encoding_state = tf.nn.dynamic_rnn(enc_cell，rnn_inputs，dtype=tf.float32)
用tf.nn.droupout
tf.co
浏览 2提问于2017-08-28得票数 2
回答已采纳
我有一个堆叠的MultiRNNCell，定义如下：
batch_size = 256
rnn_size = 512
keep_prob = 0.5
lstm_1 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_1 = tf.nn.rnn_cell.DropoutWrapper(lstm_1, output_keep_prob = keep_prob)
lstm_2 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_2 = tf.nn.rnn_cell.DropoutWrapper(lstm_2
浏览 1提问于2018-03-18得票数 2
回答已采纳
我正在尝试重新加载函数中的会话和图形，以处理更多数据。我以using uninitialized variable的身份不断收到错误。
我已经尝试重用我的GRU单元，但没有用。
我目前正求助于将每个模型加载到守护线程中，并让它查找一个空列表来运行数据并返回到列表，而不是函数返回预测。
model = {
'chunk_size' : 9,
'num_chunk' : 31,
'rnn_size' : 18,
'rnn_classes' : 2
}
graphx = tf.Graph()
se
浏览 2提问于2018-01-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
