如何通过tensorflow在X_train，y_train，X_test，y_test中拆分图像数据集？
在使用TensorFlow拆分图像数据集时，可以使用以下步骤：
- 导入所需的库和模块：
import tensorflow as tf
from sklearn.model_selection import train_test_split- 加载图像数据集并进行预处理：
# 加载图像数据集
(X, y) = load_dataset()
# 进行预处理，例如归一化、调整大小等
X = preprocess_images(X)- 将图像数据集拆分为训练集和测试集：
# 使用train_test_split函数将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)在这里，test_size参数指定了测试集的比例，random_state参数用于设置随机种子，以确保每次运行时拆分结果一致。
- 可选：将训练集进一步拆分为训练集和验证集：
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42)这一步是可选的，可以将训练集再次拆分为训练集和验证集，用于模型的训练和调优。
通过以上步骤，你可以使用TensorFlow将图像数据集拆分为训练集、验证集和测试集，以便进行模型的训练、验证和评估。
注意：以上代码示例中的load_dataset()和preprocess_images()函数需要根据具体情况进行实现，以适应你的图像数据集和预处理需求。
关于TensorFlow的更多信息和使用方法，你可以参考腾讯云的TensorFlow产品介绍。
相关·内容
2回答
如何创建Cifar-10子集？
、、、、
我想用更少的训练数据样本来训练深度神经网络，以减少测试代码的时间。我想知道如何使用Keras TensorFlow.I设置Cifar-10数据集的子集。我有以下代码，用于训练Cifar-10完整数据集。
#load and prepare data
if WhichDataSet == 'CIFAR10':
(x_train, y_train), (x_test, y_test) = tensorflow.keras.datasets.cifar10.load_data()
else:
(x_train, y_train), (x_test, y_test) =
浏览 0提问于2020-06-24得票数 0
3回答
给定一个具有10,000个观察值和50个特征外加一个标签的数据集，假设训练/测试分割为75%/25%，X_train、y_train、X_test和y_test的维度是多少？应该是吗？
X_train:(2500, 50)
y_train: (2500, )
X_test: (7500, 50)
y_test: (7500, )
或
X_train: (7500, 50)
y_train: (7500, )
X_test: (2500, 50)
y_test: (2500, )
浏览 1提问于2017-09-02得票数 0
X_train, X_test, y_train, y_test = train_test_split(X,y, random_state=42)
(1) y参数是目标类。X是什么？X是具有目标类属性或没有目标类属性的整个数据集。
(2)如果我们有单独的培训和测试数据文件( X_train，test.csv)，那么如何获取X_test、X_test、y_train、y_test。
浏览 3提问于2019-12-12得票数 1
回答已采纳
3回答
描述了测试、训练和验证集的区别。在大多数关于训练神经网络的文档中，我发现这三个集合是使用的，但是它们通常是预先定义的。
我有一个相对较小的数据集(总共906张3D图像，分布是平衡的)。在我的模型中，我使用sklearn.model_selection.train_test_split函数来拆分火车和测试集中的数据，并使用X_test和y_test作为验证数据。
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=1)
...
history = AD_model.fit(
浏览 4提问于2020-01-09得票数 1
回答已采纳
我想从tensorflow中的train_ds和test_ds获得x_train/train和x_test/ytest。
如何转换？
我想实现，所以我需要以下结构：
model.fit(x_train, y_train, epochs=1) # Run with 1 epoch to speed things up for demo purposes
_, accuracy = model.evaluate(x_test, y_test)
return accuracy
浏览 0提问于2021-05-12得票数 1
我试着训练XGBOOST模型。
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=43, stratify=y)
当我使用train_test_split并传递模型X_train、Y_train和eval_set X_test，Y_test时，模型似乎是非常好的。
CM示例：
📷
但是，当我手动拆分数据集时：
splitValidationIndex = round(dataset.shape[0]*0.6)
splitTestIndex = round(dataset.s
浏览 0提问于2020-02-27得票数 5
回答已采纳
我们已经有了经过训练的模型，但我们不能编写程序中做出预测的部分。我们可以打开图片，但不能用TensorFlow处理它。
任何帮助都将不胜感激。这是我们已经拥有的。
from __future__ import absolute_import, division, print_function, unicode_literals
# Install TensorFlow
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data
浏览 0提问于2019-12-14得票数 2
1回答
如何将图像输入CNN
、、、、
我是tensorflow的新手，我正在尝试创建一个用于二值分类的卷积神经网络，它可以区分正常脸和中风患者的脸之间的区别。
我的数据集的图像包含在一个名为CNNImages的目录中，并包含两个子目录: RegularFaces和Strokes。每个副导演里面都是我试图输入到神经网络中的PNG图像。
按照本文中建议的方法：，我已经成功地使用Spyder创建了神经网络本身，当使用mnist.load_data()运行时，神经网络可以工作。
然而，我很难用tf.data.Dataset将自己的图像上传到神经网络中。当我尝试在我创建的图像数据库上训练我的神经网络时，它会返回一个ValueError，并声
浏览 3提问于2021-02-17得票数 0
从时间从sklearn.metrics导入f1_score导入时间 def train_classifier(clf，X_train，y_train)：‘’将分类器与训练数据相匹配。“”“ # Start the clock, train the classifier, then stop the clock
start = time()
clf.fit(X_train, y_train)
end = time()
# Print the results
print("Trained model in {:.4f} seconds".format(end - start))
浏览 37提问于2020-09-06得票数 0
在python中加载数据集时，我遇到了一个简单的问题。我想定义名为loading_dataset()的函数，以便在训练自动编码器时使用它，我的代码是
import matplotlib
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from urllib import urlretrieve
import cPickle as pickle
import os
import gzip
rom urllib import urlretrieve
import cPickle as pickl
浏览 10提问于2016-07-15得票数 2
1回答
整形不需要显示mnist图像？
、、、、
如果我想显示mnist数据集中的一幅图像，需要使用以下代码将其从(1,28,28)重新塑造为(28,28)：
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
sample = x_train[:1].reshape((28,28))
plt.imsho
浏览 8提问于2022-11-15得票数 0
回答已采纳
**valueerrror:** too many values to unpack (expected 2) 我在拆分.csv mnist数据集时遇到此错误。 我做错了什么？ import tensorflow as tf
from tensorflow import keras
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import pandas as pd
df=pd.read_csv("/content/drive/MyDrive/di
浏览 42提问于2021-08-21得票数 1
1回答
我正在尝试使用Keras后端或Tensorflow的函数来实现我自己的激活函数，但是我很难正确地学习这个函数。
我的第一种方法是重新构建一个现有的激活函数(ELU)，以查看我自己的激活函数是否存在问题，但是即使是重构函数也没有像激活函数那样被训练成Keras或Tensorflow。
Tensorflow函数：
def custom_activation(x):
cond = tf.greater(x, tf.constant(0.0))
return tf.where(cond,
x,
tf.sub
浏览 2提问于2018-08-31得票数 3
回答已采纳
假设我有一个图像文件夹，如：
PetData
|
Dog - images
|
Cat - images
如何将其转换为(x_train，y_train)，(x_test，y_test)格式？我看到在MNIST数据集中广泛使用这种格式，如下所示：
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
但是，我想用我自己的图像文件夹来完成这个任务。
浏览 4提问于2020-07-08得票数 5
回答已采纳
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
data = keras.datasets.boston_housing
(x_train , y_train) , (x_test , y_test) = data.load_data()
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28 , 28 )),
keras.layer
浏览 1提问于2020-08-04得票数 0
1回答
下面我将在训练和测试中拆分数据，然后加载到tensordataset中。添加验证拆分的直接方法是什么？
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0, stratify = y)
train_data = TensorDataset(torch.from_numpy(X_train), torch.from_numpy(y_train))
train_loader = DataLoader(train_data, shuffle=True, batch_s
浏览 1提问于2020-12-02得票数 0
我正在测试一些关于random_state的可能性。你能解释一下random_state = 0和random_state = numpy.random.RandomState(0)之间的区别吗？
码
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
import numpy as np
import random
for i in ra
浏览 12提问于2022-08-24得票数 0
我试图在keras中的一个简单DNN架构中为mnist数据集中的10000张图像实现一个简单的比率度量，不幸的是，在尝试保存模型时，我在第51行遇到了这个error<TypeError: ('Not JSON Serializable:', <tf.Tensor: shape=(), dtype=float32, numpy=1e-04>)>。我到处寻找，但没有一个答案有用。这是我的代码 import numpy as np
import tensorflow as tf
from tensorflow.keras.layers import De
浏览 157提问于2021-08-14得票数 0
2回答
我正在使用一个基本的神经网络来训练和测试MNIST数据集的准确性。
系统: i5第8代GPU - Nvidia 1050Ti
下面是我的代码：
from __future__ import print_function,absolute_import,unicode_literals,division
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train,y_train) , (x_test,y_test) = mnist.load_data()
#x_train , y_train = x_train/255.0
浏览 93提问于2020-03-10得票数 0
回答已采纳
我尝试了只使用MNIST数字“1”和“5”的二进制分类。但是精确度不是很好。下面的程序有什么问题吗？如果你发现了什么，请给我一些建议。 损失：-9.9190e+04 精确度: 0.5599 import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
mnist = keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_t
浏览 16提问于2020-11-01得票数 0
回答已采纳
1回答
test_size，random_state和stratify在python的火车测试分裂中意味着什么？
我的代码如下：
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y,test_size = 0.25, random_state =0)
knn = KNeighborsClassifier()
knn.fit(X_train, Y_train)
from sklearn.cross_validation impo
浏览 4提问于2018-01-23得票数 1
我按照Francois Chollet的书"Deep Learning with ImageDataGenerator“中的CH5中的示例，使用keras的Python创建了带标签的数据。例如，我将我的训练目录细分为猫和狗子目录，然后用图像填充它。使用下面的代码，我创建了一个我认为包含图像和标签的变量。 from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale = 1./255)
train_generator = train_datagen.
浏览 24提问于2020-09-04得票数 0
回答已采纳
2回答
我得到了一些初学者代码，但我不知道如何在调用train_test_split时将其拆分(明确告诉我要使用它)。本质上，当我已经得到一个X_train、Y_train和X_test拆分时，它在哪里发挥作用呢？
初始代码如下所示：
train_df = pd.read_csv('./train_preprocessed.csv')
test_df = pd.read_csv('./test_preprocessed.csv')
X_train = train_df.drop("Survived",axis=1)
Y_train = train_df[
浏览 8提问于2020-09-23得票数 0
回答已采纳
1回答
我正在使用这个使用不同的ML算法来预测employee performance，比如DecisionTreeClassifier，CategoricalNB，LogisticRegression，GaussianNB。这基本上就是数据集的结构
df.head(5)
Age DailyRate DistanceFromHome EnvironmentSatisfaction HourlyRate ... EducationField Department BusinessTravel OverTime Over18
0 41 1102
浏览 12提问于2020-05-27得票数 0
我偶然发现了这份声明：
(x_train, y_train), (x_test, y_test) = mnist.load_data()
以及它对它返回的内容的相应解释：
返回:2个元组: x_train，x_test:带有形状的灰度图像数据的uint8数组(num_samples，28，28)。y_train，y_test:数字标签(0-9范围内的整数)与形状(num_samples，)的uint8数组。
我在这里怀疑的是，x_train、x_test、y_train或y_test本身是否是一个元组，分别保存了值(num_sample, 28, 28)和(num_sample)？元组
浏览 2提问于2020-02-20得票数 2
回答已采纳
1回答
我正在尝试提高一个简单的2NN的性能。代码如下： from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.optimizers import SGD
from tensorflow.keras.datasets import mnist
from tensorflow import keras
import tensorflow as tf
# load Mnist
(X_train, y_train), (X_test,
浏览 35提问于2020-08-08得票数 0
我将数据集拆分为
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
以及合适的
from sklearn.metrics import log_loss
clf.fit(X_train, y_train)
clf_probs = clf.predict_proba(X_test)
score = log_loss(y_test, clf_probs)
print(score)
是最终提交的
clf.fit(X,y) or clf.fit(X_train,y_tra
浏览 0提问于2020-02-11得票数 1
x_train, x_test = train_test_split(x, test_size = 0.3,random_state=250)
y_train, y_test = train_test_split(y, test_size = 0.3,random_state=250)
这就是在x_test和y_test以及x_train和y_train中相同的个体的匹配方式吗？
浏览 0提问于2019-07-09得票数 1
回答已采纳
3回答
无论我走到哪里，我都能看到这个密码。需要帮助理解这一点。
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,testsize = 0.20)
在这个上下文中，X_train、X_test、y_train、y_test意味着什么?我应该把它放在fit()中并预测()
浏览 0提问于2019-08-30得票数 2
回答已采纳
1回答
如何将图像输入CNN进行二值分类
、、、、
我正在尝试建立一个复杂的神经网络，它可以根据一个人的脸的照片来检测一个人是否有中风。我的数据集的图像包含在一个名为CNNImages的目录中，该目录包含两个子目录:笔画和RegularFaces。每个子目录都包含jpg图像，我试图将这些图像输入到我的神经网络中。
按照在中使用的方法，我创建了CNN，当输入MNIST数据集时，它可以工作。然而，我很难将自己的图像输入到神经网络中。我一直在使用显示的代码进行图像数据预处理，但它不起作用。
import tensorflow as tf
import keras
from keras.models import Sequential
from ker
浏览 1提问于2021-02-21得票数 0
如何将图片数据拆分成X_train、Y_train、X_test、Y_test？
我正在使用带tensorflow后端的keras
谢谢。
浏览 34提问于2020-03-12得票数 1
1回答
基于线性SVC的图像分类
、、、、
我试图学习线性SVC如何在支持向量机中工作，并试图通过不同参数的训练和测试来复制一个简单的实验。问题是，我似乎无法理解如何使用我的数据来训练和测试线性SVC算法。基本上，我想做的是用线性SVC进行图像识别。
我有来自5个不同的人的5帧，每幅图像有22个特征。我的目标是简单地获得图像的训练率，我的问题是我获得了100%的比率，当我期望得到大约80%左右的东西时，我想知道我怎样才能获得适当的识别率呢？
import sklearn
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
fro
浏览 0提问于2020-08-18得票数 0
回答已采纳
1回答
交叉验证和评分
、、、
在调整模型的超参数时，我使用的是训练数据集(即X_train、y_train)。我需要使用测试数据集(例如，X_test、y_test)作为最终检查，以确保我的模型没有偏差。我写了
folds = 4
X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=(1/folds), random_state=38, stratify=y)
clf_logreg = Pipeline(steps=[('preprocessor', preprocessing),
浏览 12提问于2021-05-16得票数 0
回答已采纳
我看了几个教程来深入研究Keras，以便使用卷积神经网络进行深入学习。在本教程(以及Keras的官方文档中)中，MNIST数据集的加载方式如下：
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
然而，没有解释为什么我们有两个元组的数据。我的问题是:什么是x_train 和 y_train ，以及它们与 x_test 和 y_test counterparts有什么不同？
浏览 0提问于2017-09-29得票数 13
回答已采纳
1回答
我想得到平均绝对误差(MAE)，每次分裂的数据使用5倍交叉验证。我使用Xception构建了一个自定义模型。
因此，为了尝试这样做，我编写了以下代码：
# Data Generators:
train_gen = flow_from_dataframe(core_idg, train_df,
path_col = 'path',
y_col = 'boneage_zscore',
浏览 1提问于2022-08-30得票数 0
我正在使用MNIST和Keras来学习CNN。我正在下载Keras API下的MNIST手写数字数据库，如下所示。数据集已经被分成60.000个图像用于训练，10.000个图像用于测试(参见Dataset - Keras Documentation)。 from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data() 我如何加入训练和测试集，然后将它们分成70%用于训练，30%用于测试？
浏览 64提问于2019-01-23得票数 6
回答已采纳
我在Keras/Tensorflow中创建了一个可以工作的CNN模型，并成功地使用了CIFAR-10 & MNIST数据集来测试这个模型。如下所示的功能代码：
import keras
from keras.datasets import cifar10
from keras.utils import to_categorical
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout, Conv2D, Flatten, MaxPooling2D
from keras
浏览 3提问于2021-12-04得票数 7
回答已采纳
2回答
我在MNIST数据集上训练线性模型，但我只想在一个4位数上训练。如何选择我的X_test，X_train，y_test，y_train？
浏览 1提问于2019-11-17得票数 0
我训练了一个50年代的模型，按照以下比例分割数据集：
X_train，Y_train = 70%
X_validation，Y_validation = 20%
X_test，Y_test = 10%
所有的拆分都是使用train_test_split(shuffle=True) keras函数完成的：
X = np.load(....)
Y = np.load(....)
# Split on training and validation
N_validation = int(len(X) * 0.2)
X_train, X_validation, Y_train,
浏览 1提问于2021-01-08得票数 1
回答已采纳
我正在处理谷歌的机器学习视频，并完成了一个程序，该程序利用了一个数据库来收集关于鲜花的信息。程序运行成功，但我很难理解其结果：
from scipy.spatial import distance
def euc(a,b):
return distance.euclidean(a, b)
class ScrappyKNN():
def fit(self, x_train, y_train):
self.x_train = x_train
self.y_train = y_train
def predict(self, x_test
浏览 2提问于2019-07-20得票数 0
我正在研究蘑菇分类数据集(见此处：)。
我试图将我的数据分成训练集和测试集，但是如果我使用train_test_split方法，我的模型总是达到100%的准确性。当我手动拆分数据时，情况并非如此。
x = data.copy()
y = x['class']
del x['class']
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33)
model = xgb.XGBClassifier()
model.fit(x_train, y_train)
predict
浏览 1提问于2020-01-27得票数 8
回答已采纳
我正在开发木星笔记本环境中的图像分类模型。在我的模型与CPU一起工作后，我正在尝试使用最新的TensorFlow码头映像支持的木星& GPU ()，以便我可以利用我的GPU进行培训。GPU的配置不是问题(nvidia-smi命令显示GPU是可用的)，但我现在不得不考虑如何处理图像数据管道设置。
我有包含具有以下结构的图像的文件夹：
my_folder
│
└───Training
│ │
│ └───Class_A
│ │ 01234.jpg
│ │ 56789.jpg
│ │ ...
│ │
│ └───
浏览 19提问于2022-10-23得票数 1
回答已采纳
3回答
这里我有一段python代码，取自SoloLearn，
scores = []
kf = KFold(n_splits=5, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
model = LogisticRegression()
model.fit(X_train, y_train)
scores.appe
浏览 4提问于2020-09-10得票数 1
我使用以下CNN模型训练MNIST数据，并将权重作为mnist_weights.h5来复制结果。
import keras
from __future__ import print_function
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
impor
浏览 1提问于2017-10-13得票数 0
回答已采纳
我需要一些帮助来修复我的错误。我试图加载cifar10数据集，但由于互联网不稳定，第一次无法完全下载，随后在互联网稳定的情况下重新运行代码时出现以下错误：
UnpicklingError:
Traceback (most recent call last)
<ipython-input-16-9117078ebdb2> in <module>()
1 from keras.datasets import cifar10
----> 2 (x_train, y_train), (x_test, y_test) = c
浏览 0提问于2018-09-25得票数 1
我正在研究一个分类问题，它的评估指标在中华民国。到目前为止，我已经尝试使用具有不同参数的xgb。这是我用来对数据进行采样的函数。你可以找到相关的笔记本电脑
def get_data(x_train, y_train, shuffle=False):
if shuffle:
total_train = pd.concat([x_train, y_train], axis=1)
# generate n random number in range(0, len(data))
n = np.random.randint(0, len(total_train), si
浏览 1提问于2018-06-13得票数 1
回答已采纳
2回答
我是刚开始深造的概念。我创建了一个CNN模型，通过MNIST数据集和tensorflow和keras来预测我的数字手写体。
我不知道为什么我的模型不能预测6个数字的图像。因此，我决定对mnist数据集进行数据增强，我尝试为mnist实现数据增强，这是代码：
(X_train, y_train), (X_test, y_test) = mnist.load_data()# Reshaping to format which CNN expects (batch, height, width, channels)
X_train = X_train.reshape(X_train.shape[0]
浏览 3提问于2021-02-01得票数 0
回答已采纳
1回答
想问一下，用哪种方式来使用击打？我的数据集是不平衡的，是一个多类问题。正如我在许多文章中所看到的，只对训练数据集(X_train和y_train)使用SMOTE方法。不适用于测试数据集(X_test和y_test)。在这里，我包括验证数据。如何处理验证数据？
df = pd.read_excel...
X=df.drop('column1',axis=1)
y=df.column1
#Training part
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=
浏览 0提问于2020-10-31得票数 0
回答已采纳
1回答
下面的代码运行得很好，但是我想使用这个模型和我自己的图像集进行训练和预测，我发现这个模型对我的图像集是最好的，因为它可以识别随机的黑线(数字)，但是我被x_train和y_train部分困住了，我有11个不同的类我自己的图像集，我想把这个模型应用到它们上，但我不知道如何将它们与这个模型联系起来，例如：
train= 'C:\\Users\\min2\\Desktop\\cnn\\train' ---> contains 11 different classes separated by folders
test= 'C:\\Users\\min2\\Deskt
浏览 21提问于2021-05-21得票数 0
1回答
如何正确设置Conv2D参数？
、、、、
我试图在MNIST数据集上建立CNN模型，但出现错误，我无法解决它。这是我的代码 import tensorflow as tf
from tensorflow.keras.datasets import mnist
from keras.utils import to_categorical
from keras.models import Sequential
from keras.layers import Dense, Flatten, Conv2D
from numpy import expand_dims
(x_train, y_train), (x_test, y_test)
浏览 43提问于2020-03-19得票数 0
回答已采纳
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
