我在cifar-10数据集上尝试了一个神经网络，但是当我在笔记本电脑上使用GTX 1650时，训练输出了模型的cost的nan。
我试图用平均值为0和标准差为1的tf.keras.layers.Normalization对数据进行规范化。我还尝试tf.keras.layers.Rescaling(1./255)获得0到1之间的值。我还添加了LossScaleOptimizer以防止下溢。我还在优化器中使用了clipnorm = 1来防止溢出。但上述任何一项都无助于解决这一问题。
但是，我将代码复制到colab，并使用了gpu运行时，并且在没有任何nan的情况下，cost的培训实际上是成功的。
浏览 12提问于2022-09-27得票数 0
1回答
快速摘要：
当我运行在输出层没有激活函数的网络和使用softmax_cross_entropy_with_logits_v2损失函数时，它的预测值都是负值，并且不像我的一个热输出类(仅为0或1)，这对我来说没有意义。在我看来，让网络本身的输出概率之和为1是有意义的，但如果不使用softmax作为输出层的激活函数，我不确定如何实现这一点。
已答复如下：
当我使用softmax作为我的输出类，cost = tf.reduce_mean(-tf.reduce_sum(y * tf.cast(tf.log(prediction), tf.float32), [1]))作为我的损
浏览 0提问于2019-01-16得票数 0
我正在考虑为使用PyTorch实现的前馈神经网络实现一种超参数整定方法。我最初的模糊神经网络被命名为net，它使用一种带有epochs的小批量学习方法来实现：
#Parameters
batch_size = 50 #larger batch size leads to over fitting
num_epochs = 1000
learning_rate = 0.01 #was .01-AKA step size - The amount that the weights are updated during training
batch_no = len(x_train) // bat
浏览 2提问于2020-03-25得票数 0
回答已采纳
我有一个很大的数据集要在Keras上训练，为了避免“内存错误”，我尝试使用fit_generator函数。奇怪的是，当我使用fit_generator时，损失似乎没有改变，但拟合函数工作得很好。 无论fir_gen或fit函数是什么，dataset和其他代码都是相同的。 这是一个lstm - seq2seq模型。 我寻找了很长一段时间，我发现了另外两个看起来和我一样的问题。1.Keras: network doesn't train with fit_generator()根据这篇文章，我更改了我的batch_size，但它不工作。当我试图将“yield”更改为return时，它抛出
浏览 20提问于2019-04-07得票数 1
我试图使用以下模型对图像进行分类。训练损失似乎没有趋同/改善。您能检查代码并看看这是否是实现逻辑回归的模型问题吗？
我所得到的10个训练阶段的结果如下：
epoch: 1, loss= -16.0369
epoch: 2, loss= -23.3950
epoch: 3, loss= -23.4226
epoch: 4, loss= -18.7254
epoch: 5, loss= -29.8720
epoch: 6, loss= -29.2601
epoch: 7, loss= -21.3710
epoch: 8, loss= -28.2535
epoch: 9, loss= -33.846
浏览 0提问于2021-01-31得票数 0
我是Keras的新手，我打算为每一个时代存储我的网络的输出。为此，我想使用Tensorbaord来观察其环境中的输出层。
class OutputObserver(Callback):
""""
callback to observe the output of the network
"""
def on_train_begin(self, logs={}):
self.epoch = []
self.out_log = []
def on_epoch_end(self, epoch,
浏览 5提问于2017-10-05得票数 1
回答已采纳
1回答
我在角星上运行神经网络。在运行了神经网络之后，我想收回所有的历史痕迹来分析它。有没有一种简单的方法可以将下面的信息保存到txt文件中？
Epoch 16/75
183/183 [==============================] - 587s 3s/step - loss: 0.0079 - mean_absolute_error: 0.0585
- categorical_accuracy: 0.9836 - val_loss: 0.0797 - val_mean_absolute_error: 0.2410 - val_categorical
_accuracy: 0.7901
浏览 1提问于2018-05-01得票数 2
回答已采纳
为了研究目的，我正在训练一种神经网络，它根据时代的奇偶性而不同地更新其权重：
1)如果时差为偶数，则用反向传播法改变神经网络的权值。
2)如果是奇数，只需用update_weights_with_custom_function()更新模型，就会冻结网络。
下面是实现此功能的代码的一个简化部分(请注意epochs=1)：
for epoch in range(nb_epoch):
if epoch % 2 == 0:
model.trainable = True # Unfreeze the model
else:
model.traina
浏览 3提问于2017-11-07得票数 0
回答已采纳
1回答
训练各阶段后神经网络中权重和偏置的打印方法
我尝试了以下代码：
print_weights = LambdaCallback(on_epoch_end=lambda epoch, logs: print(merged.layers[1].get_weights()[0][0:5], merged.layers[2].get_weights()[0][0:5]))
merged.compile(optimizer='adam',loss=[loss1, loss2],loss_weights=[alpham, 1 - alpham], metrics=['accura
浏览 0提问于2019-01-05得票数 0
回答已采纳
1回答
我一直在凯拉斯训练CNN，并把训练和验证的准确性作为时代的函数。我想知道是否有一种方法来绘制精度作为处理时间的函数。
原因是我想展示转移学习的速度，而不是再培训一个完整的网络。当使用转移学习时，网络需要相同数量的时代来训练、给予或接受，但是每个时代所花费的时间要少得多(速度要快一个数量级)，我想用图形的方式来捕捉这一点。
下面是我迄今为止一直使用的代码：
history = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch, verbose=1, validation_data=(X_test, Y_tes
浏览 2提问于2017-01-24得票数 5
回答已采纳
我定义了一个回调，它运行在时代的末端，并计算指标。在计算所需的指标方面，它工作得很好。以下是供参考的功能
回调，以在时代结束时找到度量标准
class Metrics(tf.keras.callbacks.Callback):
def __init__(self, train_tf_data, val_tf_data, model, CLASSES, logs={}, **kwargs):
super().__init__(**kwargs)
self.train_tf_data = train_tf_data
self.val_tf_d
浏览 0提问于2021-11-18得票数 4
回答已采纳
2回答
我为自己写了一个客户损失，但是经过几步之后，损失变成了nan，我的代码是
def my_loss(label_batch, logits_batch, alpha=1.3, beta=0.5):
softmax_logits_batch = tf.nn.softmax(logits_batch, axis=-1)
indices_not_0 = tf.where(tf.not_equal(label_batch, 0)) # not-zero indices
indices_0 = tf.where(tf.equal(label_batch, 0)) # zero
浏览 0提问于2018-08-08得票数 2
为了训练我的神经网络模型，我使用Keras的EarlyStopping回调来最小化火车时间(通过talos.utils.early_stopper包装器)：
history = model.fit(x=X_train,
y=y_train,
validation_data=(X_val, y_val),
batch_size=params["batch"],
epochs=params["epoch
浏览 5提问于2021-03-31得票数 0
回答已采纳
当我在内存中加载整个数据集，并使用以下代码在Keras中训练网络时：
model.fit(X, y, nb_epoch=40, batch_size=32, validation_split=0.2, verbose=1)
这将为每个时期生成一个进度条，其中包含ETA、精度、损失等指标
当我批量训练网络时，我使用以下代码
for e in range(40):
for X, y in data.next_batch():
model.fit(X, y, nb_epoch=1, batch_size=data.batch_size, verbose=1)
浏览 3提问于2016-08-24得票数 56
回答已采纳
1回答
我是一个新用户，试图了解更多关于神经网络的知识。我的问题是。科拉斯在训练的时候。而改变准确度(重量和偏倚)，克拉斯是否以更高的百分比保存了最后的accuray？
例如。(我做的最后一个网)
1570/1570 [==============================] - 1s 352us/sample - loss: 0.1273 - acc: 0.9605
Epoch 13573/20000
1570/1570 [==============================] - 1s 380us/sample - loss: 0.1106 - acc: 0.9580
Epoch 1
浏览 0提问于2019-09-14得票数 0
回答已采纳
我有一个可以工作的神经网络(使用Keras API在TensorFlow2.0中构建)，它是我使用float32精度(默认精度)训练的。现在我想用float64精确度训练。在开始执行神经网络之前，我用tensorflow.keras.backend.set_floatx('float64)启用了它。训练开始了，但在第一个时期的最后一批，我得到了以下错误： File "Z:\Z_MASTER\DL_Reconstruction\train_stage_1.py", line 49, in train_vae
validation_split=1/19, ca
浏览 89提问于2020-04-17得票数 0
回答已采纳
我正在用keras训练一个神经网络，它似乎不能正确地解释batch_size参数。
请参阅下面的代码(应用程序很傻，我关心的是输出)。
import numpy as np
from keras.models import Sequential
from keras.layers import Activation, Dense, Reshape
import keras
class LossHistory(keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self.losses = []
浏览 0提问于2016-09-14得票数 2
回答已采纳
我是Python和Keras的新手，并且我已经成功地构建了一个神经网络，可以在每个Epoch之后保存权重文件。然而，我想要更多的粒度(我正在可视化时间序列中的层权重分布)，并希望在每N个批次之后保存权重，而不是每个时期。
有人有什么建议吗？
浏览 2提问于2017-05-05得票数 6
2回答
我正在训练一个神经网络，并希望每N个时期保存一次预测阶段的模型权重。我提出这个代码草案，它的灵感来自@grovina的回复。你能提出一些建议吗?提前谢谢。
from keras.callbacks import Callback
class WeightsSaver(Callback):
def __init__(self, model, N):
self.model = model
self.N = N
self.epoch = 0
def on_batch_end(self, epoch, logs={}):
浏览 2提问于2018-07-05得票数 13
回答已采纳
6回答
当您运行Keras神经网络模型时，您可能会在控制台中看到这样的内容：
Epoch 1/3
6/1000 [..............................] - ETA: 7994s - loss: 5111.7661
随着时间的推移，损失有望得到改善。随着时间的推移，我想把这些损失记录到一个文件中，这样我就可以从中吸取教训。我试过：
logging.basicConfig(filename='example.log', filemode='w', level=logging.DEBUG)
但这不管用。我不知道在这种情况下我需要什么样的日志记录
浏览 7提问于2016-07-18得票数 61
回答已采纳
我要做一些JS功能
为先前预定义的次数(迭代)执行一个函数
每次函数执行后，对先前预定义的秒数进行延迟。
一个很大的要求是解决方案必须是Ajax兼容。
可以这样说：
<script>
functon my_function(numberoftimes, secondsdelay){
//do ajax requests for numberoftimes, separeted by secondsdelay
$.ajax(
{
type: "GET/POST",
浏览 4提问于2012-11-07得票数 0
回答已采纳
我一直都有这个问题。当训练神经网络时，验证损失可能是有噪音的(有时甚至是训练损失，如果你使用随机层，如辍学)。当数据集较小时，尤其如此。
这使得当使用回调(如EarlyStopping或ReduceLROnPlateau )时，这些回调会被过早触发(甚至使用很大的耐心)。而且，有时我不想在ReduceLROnPLateau回调中使用很大的耐心。
解决方案不是直接监视某个度量(例如val_loss)，而是监视该度量的过滤版本(跨历元)(例如，val_loss的指数移动平均值)。但是，我不认为有任何简单的方法可以解决这个问题，因为回调只接受不依赖于前一个时代的度量标准。我尝试过使用自定义训练循环来
浏览 6提问于2021-05-27得票数 2
回答已采纳
2回答
我试图用python编码一个水果图像分类器，尝试对7个水果进行分类。我有15077张train_set图片和4204张validation_set图片。我为10个时代编写了代码，我得到的结果如下：
对15077个样本进行训练，在4204个样本上验证: 1/10 15077/15077 ============================== -264 s 17 10/阶跃损失: 1.0652 -精度: 0.5325 - val_loss: 0.3722 - val_accuracy: 0.8428 Epoch 2/10 15077/15077 =======================
浏览 7提问于2020-05-04得票数 0
回答已采纳
1回答
在使用Gensim创建了一个FastText模型之后，我想加载它，但是遇到了似乎与回调相关的错误。
用于创建模型的代码是
TRAIN_EPOCHS = 30
WINDOW = 5
MIN_COUNT = 50
DIMS = 256
vocab_model = gensim.models.FastText(sentences=model_input,
size=DIMS,
window=WINDOW,
浏览 2提问于2019-10-04得票数 1
回答已采纳
我正在使用keras对模型进行拟合，并将回调列表传递给模型fit_generator，但遇到了下面的error.Please帮助。
AttributeError：“函数”对象没有属性“set_model”
代码片段：
from keras.callbacks import LearningRateScheduler
import numpy as np
from keras import optimizers
from keras.callbacks import *
def lr_schedule(epoch):
lrate
浏览 1提问于2019-03-31得票数 3
我感兴趣的是在Gensim word2vec模型上放置一个回调，以便在每个批处理之后触发一些函数。根据documentation，可以在批处理结束或纪元结束时进行回调。然而，如下面的MVE所示，只有纪元回调才会实际触发。 要运行示例，请让corpus_filepath转到一个由不带标点符号的句子组成的以行分隔的文件(给定一行的句子中的单词应以空格分隔)。您可能还需要在Word2Vec实例化中更改workers。 from gensim.models import Word2Vec
from gensim.models.callbacks import CallbackAny2Vec
cor
浏览 18提问于2021-01-18得票数 0
回答已采纳
2回答
我正在使用Keras构建一个神经网络模型：
model_keras = Sequential()
model_keras.add(Dense(4, input_dim=input_num, activation='relu',kernel_regularizer=regularizers.l2(0.01)))
model_keras.add(Dense(1, activation='linear',kernel_regularizer=regularizers.l2(0.01)))
sgd = optimizers.SGD(lr=0.01, clipnorm=0
浏览 0提问于2017-09-29得票数 6
监控val_reall的Keras指标。它一直在改进，但它将最好的值保留为最低的0.9958，尽管记录了更好的值0.9978或0.9985。显示器模式设置为'auto‘。
请帮助理解为什么Keras认为指标没有改善。
Epoch 1/10
6883/6883 [==============================] - 1982s 287ms/step - loss: 0.1025 - recall: 0.9738 - accuracy: 0.9631 - val_loss: 0.0537 - val_recall: 0.9978 - val_accuracy: 0.9837
浏览 2提问于2021-07-10得票数 0
1回答
Keras模型在微调时变得更糟
、、、、
我正在尝试遵循中描述的微调步骤，以获得一个经过训练的二进制分割模型。
我创建了一个编码器-解码器，编码器的权重是MobileNetV2的权重，固定为encoder.trainable = False。然后，我定义了本教程中所说的解码器，并使用0.005的学习率训练了300个时期的网络。我得到了以下损失值和上一个时期的Jaccard指数：
Epoch 297/300
55/55 [==============================] - 85s 2s/step - loss: 0.2443 - jaccard_sparse3D: 0.5556 - accuracy: 0.9923 -
浏览 32提问于2021-03-03得票数 0
1回答
用PYTHON写了一个网站，通过云服务的计划任务进行运行。但每次访问要很久才能才能打开，查看了CPU和内存使用量都在50%以下，还可能有哪些地方影响访问速度啊
浏览 332提问于2021-08-18
3回答
在keras的帮助下，我为一个二进制分类问题建立了一个神经网络模型，代码如下： # create a new model
nn_model = models.Sequential()
# add input and dense layer
nn_model.add(layers.Dense(128, activation='relu', input_shape=(22,))) # 128 is the number of the hidden units and 22 is the number of features
nn_model.add(layers.Dense(1
浏览 67提问于2020-08-10得票数 1
回答已采纳
我需要实现一个自定义回调来计算每个时代之后的AUC，这需要作为基于LSTM的神经网络的度量。这是自定义回调：
from tensorflow.keras.callbacks import Callback
class RocCallback(Callback):
def __init__(self,training_data,validation_data):
self.x = training_data[0]
self.y = training_data[1]
self.x_val = validation_data[0]
浏览 5提问于2020-08-23得票数 4
我正在运行由HuggingFace官方回购提供的NER教程(参见)。以下信息是在培训过程中打印的。
{'loss': 0.0724, 'learning_rate': 3.8425925925925924e-05, 'epoch': 0.69}
{'loss': 0.0315, 'learning_rate': 2.6851851851851855e-05, 'epoch': 1.39}
{'loss': 0.0198, 'learning_r
浏览 6提问于2021-04-03得票数 1
2回答
问题更多的是DNN的训练算法，而不是软件内核。
据我所知，深层神经网络是由于训练算法的改进而工作的。从20世纪80年代开始，BP算法已被用于神经网络的训练，但当网络深度较大时，会出现过拟合问题。大约10年前，Hinton对该算法进行了改进，首先使用未标记数据对网络进行预训练，然后再使用BP算法。预训练对避免过拟合起着重要作用.
然而，当我开始尝试Keras时，使用SGD算法的mnist DNN的示例(在下面)并没有提到预训练过程，从而获得了非常高的预测精度。所以，我开始想知道训练前去哪里了？我是否错误地理解了深度学习训练算法(我认为经典的BP算法与SGD算法几乎相同)？还是一种新的训练技术取代
浏览 4提问于2016-05-16得票数 5
回答已采纳
1回答
提高CNN模型性能的技巧
、、、
我正在我的训练数据上安装一个大型的CNN网络，验证了20%。与验证集相比，模型在训练中的表现似乎更好。你有什么建议，以便我可以提高模型的性能。
CNN架构：
model = Sequential()
activ = 'relu'
model.add(Conv2D(32, (1, 3), strides=(1, 1), padding='same', activation=activ, input_shape=(1, 100, 4)))
model.add(Conv2D(32, (1, 3), strides=(1, 1), padding='same&#
浏览 11提问于2021-03-08得票数 0
回答已采纳
1回答
下面的代码用于训练给定数据集的神经网络模型(50,000个样本，64个dim)。
from keras import Sequential
from keras.layers import Dense
from keras.optimizers import Adam
X, y = process_dataset()
model = Sequential([
Dense(16, input_dim=X.shape[1], activation='relu'),
Dense(16, activation='relu'),
Dense(1
浏览 0提问于2019-06-16得票数 0
回答已采纳
我有一个用jquery dataTables构建的htnl表。我使用的代码是：
var oTable = jQuery('#webcam-table').dataTable({
"sPaginationType": "full_numbers",
"bStateSave": true,
"aaSorting": [[1,"desc"]],
"aoColumnDefs": [
{ "bSortable": false, "aTa
浏览 6提问于2013-01-16得票数 1
回答已采纳
当我定义一个自定义回调函数时，我会得到这个错误。
'NoneType' object is not subscriptable
代码样本
class Metrics(tf.keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self._data = []
def on_epoch_end(self, batch, logs={}):
X_val, y_val = self.validation_data[0], self.validation_data[1]
浏览 0提问于2019-08-07得票数 5
回答已采纳
我对此还是个新手，我需要一些建议来告诉我该怎么做。 我正在使用tensorflow 2.3.0和keras来构建一个二进制分类模型。我无法共享数据集，因为它是我公司拥有的专有数据，但这些特征都是数字财务数据，代表了客户的一种直方图。 我试过两个模型，一个有300个特征，另一个有600个，其中一个有600个，只是代表了一个更长的历史。首先对特征进行标准化，并且标签都是0或1，以指示是否应该标记帐户。 我有500,000个训练样本和60,000个测试样本。0/1标签拆分大约是一半。 这是我目前拥有的代码： import pandas as pd
import numpy as np
# Mak
浏览 182提问于2021-01-21得票数 0
回答已采纳
我试图使用keras的回调特性记录Keras中使用的每个时代的状态。这是回调类的示例代码。
class TimingCallback():
def __init__(self):
self.logs=[]
def on_epoch_begin(epoch, logs={}):
self.starttime=time()
def on_epoch_end(epoch, logs={}):
self.logs.append(time()-self.starttime)
这是我的模型适合。
cb = TimingCallback
浏览 0提问于2017-12-13得票数 5
回答已采纳
我刚刚使用Keras构建了我的第一个模型，这就是输出。它看起来像是在构建任何Keras人工神经网络之后得到的标准输出。即使在查看了文档之后，我也不完全理解在输出中打印的时代是什么，损失是什么。
在Keras中什么是时代和损失？
(我知道这可能是一个非常基本的问题，但我似乎无法在网上找到答案，如果答案真的很难从文档中收集到，我认为其他人也会有同样的问题，因此决定在这里发布。)
Epoch 1/20
1213/1213 [==============================] - 0s - loss: 0.1760
Epoch 2/20
1213/1213 [==========
浏览 5提问于2016-01-08得票数 53
回答已采纳
我正在研究MXNet框架，在每次迭代过程中，我需要向网络输入一个矩阵。矩阵存储在外部存储器中，它不是训练数据，并且在每次迭代结束时由网络的输出更新。在迭代过程中，矩阵必须输入到网络中。
如果我使用高级API，即
model = mx.mod.Module(context=ctx, symbol=sym) ... ... model.fit(train_data_iter, begin_epoch=begin_epoch, end_epoch=end_epoch, ......)
这能实现吗？
浏览 2提问于2018-07-14得票数 0
回答已采纳
1回答
网络就像
inp=Input((1,12))
dense0=GRU(200,activation='relu',recurrent_dropout=0.2,return_sequences=True)(inp)
drop0=Dropout(0.3)(dense1)
dense1=GRU(200,activation='relu',recurrent_dropout=0.2)(drop0)
drop1=Dropout(0.3)(dense1)
dense1=Dense(200,activation='relu')(inp)
drop1=Dropou
浏览 0提问于2018-09-04得票数 0
回答已采纳
我有一个用tflearn库训练的模型，我使用深度神经网络(DNN)来做这件事。我们可以在这里看到更多(http://tflearn.org/models/dnn/) 下面是我的一段代码： # Build neural network
net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0])
浏览 38提问于2019-01-09得票数 2
我一直在使用神经网络训练我的数据集，如下所示，基于股票市场指数的数据集。但是突然跑了大概60多次之后，损失突然激增。有没有人遇到过这种情况?损失增加的可能原因是什么？
tf.keras.layers.Conv1D(filters=32, kernel_size=5,
strides=1, padding="causal",
activation="relu",
input_shape=x_train_single.shape[
浏览 0提问于2020-05-02得票数 1
2回答
如何分别提高和降低模型精度和批量
、、、、
İ正在致力于图像数据集多类分类的迁移学习，该分类由12个类组成。因此，VGG19正在使用İ。然而，该模型的精度远远低于预期。İn加成训练和有效精度不提高。此外，İma还在努力减少批处理的大小，仍然是383。
我的代码：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import shutil
import os
import glob as gb
import tensorflow as tf
from tensorflow.keras.models import Sequential
from z
浏览 7提问于2021-06-10得票数 0
回答已采纳
1回答
我在神经网络/机器学习方面非常新手。我试图通过使用来学习更多的知识，这是一种将图像中的旋转角度进行分类的神经网络。我正在尝试使用MNIST数据集对我的网络进行培训，并且只更改了repo的一行(日志目录文件路径)，但除此之外，还能够成功地运行它。
下面是基于自述文件运行它的方法：
& .../Anaconda3/envs/tflow/python.exe .../RotNet/train/train_mnist.py
然后输出：
Using TensorFlow backend.
Input shape: (28, 28, 1)
60000 train samples
10000 tes
浏览 3提问于2020-10-16得票数 0
回答已采纳
我运行了一段关于深度学习网络的代码，首先我训练了网络，它工作得很好，但在运行到验证网络时出现了这个错误。
我有五个时代，每个时代都有一个训练和验证的过程。我在第一次验证时遇到了这个错误。所以我没有运行验证代码，我发现代码可以运行到第二个时期，并且没有错误。
我的代码：
for epoch in range(10,15): # epoch: 10~15
if(options["training"]["train"]):
trainer.epoch(model, epoch)
if(options["validation&#
浏览 5提问于2019-01-26得票数 42
windows下集成im sdk，编写测试程序登录返回成功后为什么没调用回调函数TIMCommCallback
呢？
调试结果.png
log.png
浏览 363提问于2019-11-15
根据TF 2中的文件：
steps_per_epoch: Integer or `None`.
Total number of steps (batches of samples)
before declaring one epoch finished and starting the
next epoch. When training with input tensors such as
TensorFlow data tensors, the default `None` is e
浏览 0提问于2019-12-21得票数 3
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
