色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

11種深度學(xué)習(xí)框架影響力對(duì)比

羅欣 ? 來源:Medium ? 作者:佚名 ? 2018-10-15 11:50 ? 次閱讀

編者按:Jeff Hale根據(jù)網(wǎng)上招聘、調(diào)研報(bào)告、網(wǎng)絡(luò)搜索、論文、教程、GitHub等數(shù)據(jù),評(píng)估了11種深度學(xué)習(xí)框架的影響力。

現(xiàn)在數(shù)據(jù)科學(xué)領(lǐng)域最熱門的方向仍舊是深度學(xué)習(xí)。相應(yīng)地,深度學(xué)習(xí)框架也處于飛速變革之中。現(xiàn)在最流行的框架,除Theano外,5年前都不存在。

我想搜集一些哪個(gè)框架更值得關(guān)注的證據(jù),所以我搞了這個(gè)影響力評(píng)分。我使用了7個(gè)不同類別的11個(gè)數(shù)據(jù)源,以評(píng)估框架的使用量、興趣、流行度。接著我對(duì)這些數(shù)據(jù)進(jìn)行加權(quán)組合,得到了本文的結(jié)果。具體的代碼可以在Kaggle Kernel上看到:discdiver/deep-learning-framework-power-scores-2018 2018年9月20日更新:應(yīng)眾多讀者要求,我擴(kuò)大了框架的評(píng)估范圍,加入了Caffe、Deeplearning4J、Caffe2、Chainer。現(xiàn)在的評(píng)測包括了KDNuggets使用調(diào)研中所有報(bào)告使用率在1%以上的框架。

2018年9月21日更新:我改進(jìn)了一些測度的方法。

不多啰嗦了,下面是深度學(xué)習(xí)框架的影響力評(píng)分:

毫無疑問,TensorFlow位居第一。不過我有一些意料之外的發(fā)現(xiàn),詳情見下。

框架

評(píng)測的所有框架都是開源的,除了其中一個(gè)框架外都提供了Python接口,有些框架提供了R或其他語言的接口。



TensorFlow是毫無爭議的贏家。GitHub上最熱,谷歌搜索最多,Medium文章、亞馬遜書籍、ArXiv論文最多。使用TensorFlow的開發(fā)者最多,大多數(shù)網(wǎng)上招聘的工作描述中也提到了它。TensorFlow背后站著Google。


Keras擁有“為人類而不是機(jī)器設(shè)計(jì)的API”。幾乎各項(xiàng)評(píng)估中,它都是第二流行的框架。Keras以TensorFlow、Theano或CNTK為底層引擎。如果你是深度學(xué)習(xí)的新手,建議從Keras開始。

總體而言,PyTorch是第三流行的框架,也是第二流行的獨(dú)立框架。它比TensorFlow要年輕,流行度的增速十分迅猛。它也支持TensorFlow尚不支持的一些定制。PyTorch背后站著的是Facebook。

Caffe是第四流行的框架。它差不多快5歲了。相對(duì)而言,某些雇主還要求熟悉Caffe,一些學(xué)術(shù)論文也還用Caffe,但最近使用Caffe的人不多。

Theano是蒙特利爾大學(xué)2007年研發(fā)的,也是最古老的有顯著影響力的Python深度學(xué)習(xí)框架。它的流行度降了一大截,主要開發(fā)者也宣布不會(huì)再發(fā)布加入新功能的大版本了。不過,目前仍有一些更新。Theano仍然是排名第五的框架。

亞馬遜使用Apache孵化的MXNET。它是第六流行的深度學(xué)習(xí)庫。

CNTK是微軟的認(rèn)知工具集。它讓我想起了微軟其他很多產(chǎn)品,試圖和谷歌、Facebook提供的工具競爭,但沒贏得多少使用。

Deeplearning4J,也稱為DL4J,配套Java語言使用。它是唯一不提供Python接口的準(zhǔn)流行框架。不過,你可以導(dǎo)入用Keras寫的模型。這也是唯一一個(gè)兩個(gè)不同的搜索項(xiàng)(Deeplearning4J和DL4J)偶爾返回不同結(jié)果的框架。我在每項(xiàng)測度中使用了較高的數(shù)字。由于這個(gè)框架的評(píng)分相當(dāng)?shù)停虼诉@并沒有帶來什么實(shí)質(zhì)性的改變。

Caffe2是另一個(gè)Facebook開源產(chǎn)品。它基于Caffe構(gòu)建,現(xiàn)在是PyTorch項(xiàng)目的一部分(同一GitHub倉庫)。由于現(xiàn)在Caffe2沒有自己的代碼倉庫,我使用了舊倉庫的GitHub數(shù)據(jù)。

Chainer是由日本公司Preferred Networks開發(fā)的框架。它有一小批使用者。

FastAI基于PyTorch構(gòu)建。它的API借鑒了Keras,只需很少的代碼(比Keras還要少)就可以得到強(qiáng)力的結(jié)果。目前而言,F(xiàn)astAI屬于前沿框架,目前正處于為預(yù)計(jì)2018年10月發(fā)布的1.0版本重寫代碼的階段。FastAI的作者Jeremy Howard是Kaggle的主席。他曾經(jīng)寫過一篇Introducing Pytorch for fast.ai,討論為何FastAI從使用Keras轉(zhuǎn)向創(chuàng)建自己的框架。

現(xiàn)在還沒有什么職位需要用這個(gè)框架,本身使用也不廣泛。然而,由于FastAI的免費(fèi)在線課程很流行,自然而然就有不少使用者。這個(gè)框架強(qiáng)大易用,因此可能會(huì)很快普及。

標(biāo)準(zhǔn)

我選擇了以下7個(gè)類別來評(píng)估深度學(xué)習(xí)框架的流行度和關(guān)注度。

在線招聘描述

KDnuggets使用調(diào)研

谷歌搜索量

Medium文章

亞馬遜數(shù)據(jù)

ArXiv論文

GitHub熱度

數(shù)據(jù)采集自2018年9月16日至2018年9月21日,源數(shù)據(jù)可以通過谷歌試算表訪問:https://docs.google.com/spreadsheets/d/1mYfHMZfuXGpZ0ggBVDot3SJMU-VsCsEGceEL8xd1QBo/edit?usp=sharing

我使用了Python的pandas庫探索流行度,并使用plotly庫進(jìn)行可視化。如果你想要查看可交互的plotly圖表,請(qǐng)?jiān)L問我在文章開頭提到過的Kaggle Kernel。

在線招聘描述

現(xiàn)在的工作市場上哪種深度學(xué)習(xí)庫需求更高?我搜集了LinkedIn、Indeed、Simply Hired、Monster、Angel List的上的數(shù)據(jù)。

毫無疑問,TensorFlow是這方面的贏家。如果你想找一份深度學(xué)習(xí)的工作,可以學(xué)一下TensorFlow。

我通過“machine learning”(機(jī)器學(xué)習(xí))加庫名的方式搜索。比如,“machine learning TensorFlow”。我測試了若干搜索方法,這個(gè)方法可以得到相關(guān)性最高的結(jié)果。

之所以額外加上一個(gè)搜索詞,是因?yàn)橛行┛蚣艿拿挚赡苡衅缌x,比如Caffe可能有多種含義。

使用量

KDnuggets是一個(gè)流行的數(shù)據(jù)科學(xué)網(wǎng)站。它在調(diào)研軟件使用情況的時(shí)候提問:

你在過去12個(gè)月的真實(shí)項(xiàng)目上用了什么分析、大數(shù)據(jù)、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)軟件?

讓人有點(diǎn)意外的是,Keras的使用量很高——差不多快趕上TensorFlow了。有意思,美國的雇主們熱衷找具備TensorFlow技術(shù)的人,而Keras的使用率差不多一樣高。

KDnuggets有好幾年的數(shù)據(jù)。盡管我在分析中只使用了2018年的數(shù)據(jù),我需要指出,2017年后,Caffe、Theano、MXNET、CNTK的使用量下降了。

谷歌搜索熱度

最大搜索引擎上的網(wǎng)絡(luò)搜索量是一項(xiàng)很好的評(píng)估流行度的指標(biāo)。我查看了過去一年谷歌趨勢(shì)的搜索歷史。谷歌沒有提供搜索量的絕對(duì)值,不過它提供了不同搜索項(xiàng)的對(duì)比圖形。

Keras和TensorFlow的差距不大,PyTorch位居第三,其他框架的搜索量相對(duì)較低。

現(xiàn)在,讓我們簡單看下搜索量隨時(shí)間的改變趨勢(shì),這能提供歷史上下文。Google自帶兩年搜索趨勢(shì)變化的圖表。

紅:TensorFlow;黃:Keras;藍(lán):PyTorch;綠:Caffe

過去一年里,TensorFlow的搜索量沒什么顯著增長,但Keras和PyTorch的搜索量增加了。谷歌趨勢(shì)只允許同時(shí)比較五個(gè)搜索項(xiàng),所以其他框架在另外的圖表上比較——都沒顯示出什么明顯的趨勢(shì),除了相對(duì)TensorFlow而言極低的搜索量。

發(fā)表

我納入了多種發(fā)表類型。讓我們先看下Medium文章。

Medium文章

Medium上有很多流行的數(shù)據(jù)科學(xué)文章和指南。


終于出現(xiàn)新贏家了,Keras超過了TensorFlow,而相比其他評(píng)估項(xiàng),F(xiàn)astAI的表現(xiàn)很突出。

我猜想這可能是因?yàn)镵eras和FastAI對(duì)初學(xué)者更友好。新的深度學(xué)習(xí)從業(yè)者對(duì)這兩個(gè)框架的興趣較大,而Medium上有大量教程。

我使用了谷歌的站內(nèi)搜索,限定時(shí)間為12個(gè)月內(nèi),使用框架名加“l(fā)earning”(學(xué)習(xí))作為關(guān)鍵詞——同樣是為了避免“caffe”帶來的歧義。相比其他關(guān)鍵詞組合,這導(dǎo)致的搜索結(jié)果下降最少。

現(xiàn)在讓我們看下亞馬遜上有關(guān)這些框架的書籍?dāng)?shù)量。

亞馬遜書籍

我在Amazon.com的圖書 > 計(jì)算機(jī)技術(shù)分類下搜索每個(gè)深度學(xué)習(xí)框架的名稱。

TensorFlow又獲勝了。MXNET的書比期望的多,而Theano的書比期望的少。相對(duì)其流行度而言,PyTorch的書不多,這可能是因?yàn)檫@個(gè)框架比較年輕。注意這一測量偏向老框架,因?yàn)闀某霭嬷芷诒容^長。

ArXiv論文

機(jī)器學(xué)習(xí)方面的學(xué)術(shù)論文,最常發(fā)表在ArXiv上。我同樣使用谷歌站內(nèi)搜索,限定時(shí)間為12個(gè)月內(nèi)。

TensorFlow還是第一。注意,相比學(xué)術(shù)論文而言,Keras在Meidum和亞馬遜上要流行得多。PyTorch在這一類別排名第二,顯示它在實(shí)現(xiàn)新想法方面的靈活性。Caffe的評(píng)分也相對(duì)較好。

GitHub熱度

GitHub熱度是另一項(xiàng)框架流行度的指標(biāo)。我為收藏、分叉、關(guān)注、貢獻(xiàn)者分別制作了圖表,因?yàn)檫@些數(shù)據(jù)更適合分別呈現(xiàn),而不是混在一起。

TensorFlow也是最流行的,有大量活躍用戶。考慮到FastAI甚至還不滿一歲,它在GitHub上的熱度相當(dāng)不錯(cuò)。有意思的是,相比另外三個(gè)測度,不同框架的貢獻(xiàn)者數(shù)量總體而言比較接近。

收集、分析了所有數(shù)據(jù)后,是時(shí)候?qū)⑺鼈冋铣梢粋€(gè)測度了。

影響力評(píng)分過程

我是這樣得出影響力評(píng)分的:

將所有特征的尺度縮放至0到1

聚合在線招聘描述和GitHub熱度的子類別

根據(jù)下圖的權(quán)重對(duì)類別進(jìn)行加權(quán)

如上圖所示,在線招聘描述、KDnuggets一組,網(wǎng)絡(luò)搜索、發(fā)表、GitHub熱度一組,平分權(quán)重。這樣劃分看起來是最合適的,平衡了多種類別。

為了便于查看,各項(xiàng)加權(quán)評(píng)分乘以100

累加每個(gè)框架的各項(xiàng)評(píng)分以得到單一的影響力評(píng)分

下為各個(gè)類別的統(tǒng)計(jì)數(shù)據(jù):

下為加權(quán)和聚合子類別后的各項(xiàng)評(píng)分:

這就得到了文章開頭的圖表:

100是最高可能得分,意味著在所有類別都是第一。TensorFlow幾乎達(dá)到了100分,這并不令人意外,畢竟它在每個(gè)類別中都是第一(或者幾乎是第一)。Keras毫無爭議地位居第二。

我再重復(fù)一遍,如果你想要以可交互的方式查看圖表,或者分叉Jupyter Notebook,請(qǐng)?jiān)L問我開頭提到的Kaggle Kernel。

未來

目前為止,TensorFlow的領(lǐng)先地位難以動(dòng)搖。短期內(nèi),它應(yīng)該會(huì)繼續(xù)統(tǒng)治深度學(xué)習(xí)領(lǐng)域。不過,考慮到深度學(xué)習(xí)世界的飛速變革,長期來看,TensorFlow的領(lǐng)先可能發(fā)生變化。

時(shí)間會(huì)告訴我們,PyTorch是否能超越TensorFlow,就像React超越Angular一樣。這兩對(duì)框架還挺適合類比的。PyTorch和React都是由Facebook支撐的靈活度很高的框架,通常認(rèn)為要比谷歌支撐的競爭者更容易使用。

FastAI能獲取課程之外的用戶嗎?它有一大堆自帶的學(xué)生用戶,比Keras對(duì)初學(xué)者更友好的API。

你覺得未來會(huì)怎么樣?請(qǐng)留言分享你的想法。

給學(xué)習(xí)者的建議

如果你掌握了Python、numpy、pandas、sklearn、matplotlib技能,考慮學(xué)習(xí)一個(gè)深度學(xué)習(xí)框架,我建議你從Keras開始。它的用戶數(shù)量很大,也受到雇主的認(rèn)可,Medium上也有很多文章可以參考,API也很容易使用。

如果你已經(jīng)掌握了Keras,決定下一個(gè)要學(xué)習(xí)的框架不太容易。我建議你選擇TensorFlow或者PyTorch,深入學(xué)習(xí),以做出很棒的深度學(xué)習(xí)模型。

如果你想要熟練掌握需求量最大的框架,你應(yīng)該選擇TensorFlow。但研究人員很喜歡用PyTorch,因?yàn)樗纫子糜朱`活。Quora上有一個(gè)關(guān)于選TensorFlow還是PyTorch的問題:https://www.quora.com/Should-I-go-for-TensorFlow-or-PyTorch

如果你具備了這些框架的經(jīng)驗(yàn),我建議你留意下FastAI。如果你想學(xué)習(xí)基礎(chǔ)和高級(jí)的深度學(xué)習(xí)技能,可以看下FastAI的免費(fèi)在線課程。FastAI 1.0許諾讓你可以很容易地實(shí)現(xiàn)最新的深度學(xué)習(xí)策略,并快速迭代。

不管你選什么框架,我希望你現(xiàn)在對(duì)哪個(gè)深度學(xué)習(xí)框架需求最高,使用最多,文章最多有所了解。

本文來源:Medium

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    NPU在深度學(xué)習(xí)中的應(yīng)用

    設(shè)計(jì)的硬件加速器,它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一專門針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器,它與傳統(tǒng)的CPU和G
    的頭像 發(fā)表于 11-14 15:17 ?508次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識(shí)別 圖像識(shí)別是深度學(xué)習(xí)
    的頭像 發(fā)表于 10-27 11:13 ?382次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對(duì)兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?649次閱讀

    NVIDIA推出全新深度學(xué)習(xí)框架fVDB

    在 SIGGRAPH 上推出的全新深度學(xué)習(xí)框架可用于打造自動(dòng)駕駛汽車、氣候科學(xué)和智慧城市的 AI 就緒型虛擬表示。
    的頭像 發(fā)表于 08-01 14:31 ?591次閱讀

    PyTorch深度學(xué)習(xí)開發(fā)環(huán)境搭建指南

    PyTorch作為一流行的深度學(xué)習(xí)框架,其開發(fā)環(huán)境的搭建對(duì)于深度學(xué)習(xí)研究者和開發(fā)者來說至關(guān)重要
    的頭像 發(fā)表于 07-16 18:29 ?999次閱讀

    深度學(xué)習(xí)模型量化方法

    深度學(xué)習(xí)模型量化是一重要的模型輕量化技術(shù),旨在通過減少網(wǎng)絡(luò)參數(shù)的比特寬度來減小模型大小和加速推理過程,同時(shí)盡量保持模型性能。從而達(dá)到把模型部署到邊緣或者低算設(shè)備上,實(shí)現(xiàn)降本增效的目
    的頭像 發(fā)表于 07-15 11:01 ?489次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>模型量化方法

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    深度學(xué)習(xí)和自然語言處理(NLP)是計(jì)算機(jī)科學(xué)領(lǐng)域中兩個(gè)非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。 深度
    的頭像 發(fā)表于 07-05 09:47 ?908次閱讀

    深度學(xué)習(xí)常用的Python庫

    深度學(xué)習(xí)作為人工智能的一個(gè)重要分支,通過模擬人類大腦中的神經(jīng)網(wǎng)絡(luò)來解決復(fù)雜問題。Python作為一流行的編程語言,憑借其簡潔的語法和豐富的庫支持,成為了深度
    的頭像 發(fā)表于 07-03 16:04 ?625次閱讀

    TensorFlow與PyTorch深度學(xué)習(xí)框架的比較與選擇

    深度學(xué)習(xí)作為人工智能領(lǐng)域的一個(gè)重要分支,在過去十年中取得了顯著的進(jìn)展。在構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的過程中,深度
    的頭像 發(fā)表于 07-02 14:04 ?952次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)對(duì)比

    在人工智能的浪潮中,機(jī)器學(xué)習(xí)深度學(xué)習(xí)無疑是兩大核心驅(qū)動(dòng)力。它們各自以其獨(dú)特的方式推動(dòng)著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機(jī)器學(xué)習(xí)的范疇,但
    的頭像 發(fā)表于 07-01 11:40 ?1324次閱讀

    立訊精密榮登《財(cái)富》中國ESG影響力榜單

    《財(cái)富》中國ESG影響力榜揭曉,立訊精密榮登榜單
    的頭像 發(fā)表于 05-14 14:35 ?392次閱讀
    立訊精密榮登《財(cái)富》中國ESG<b class='flag-5'>影響力</b>榜單

    2023 “IBM 影響力”報(bào)告

    4月 11日,IBM 發(fā)布 2023年“IBM 影響力”報(bào)告。該報(bào)告總結(jié)了公司 2023年在環(huán)境、社會(huì)和治理 (ESG) 方面實(shí)施的舉措、合作伙伴以及投資情況,以便持續(xù)推進(jìn)構(gòu)建更加可持續(xù)未來的目標(biāo)
    的頭像 發(fā)表于 04-21 09:36 ?607次閱讀

    傳統(tǒng)計(jì)算機(jī)視覺對(duì)比深度學(xué)習(xí)

    深度學(xué)習(xí)是一技術(shù),它使用一稱為梯度反向傳播的優(yōu)化技術(shù)來生成“程序”(也稱為“神經(jīng)網(wǎng)絡(luò)”),就像上面故事中學(xué)者學(xué)生編寫的那些程序一樣。
    發(fā)表于 03-31 09:48 ?444次閱讀

    天合光能斬獲年度“最具影響力”多項(xiàng)“光能杯”大獎(jiǎng)

    1月10日-11日,一年一度的“光能杯”頒獎(jiǎng)典禮在蘇州市召開。天合光能以光儲(chǔ)一體化解決方案和全場景化產(chǎn)品領(lǐng)先全行業(yè),包攬“年度解決方案大獎(jiǎng)”、“2023年度最具影響力光儲(chǔ)解決方案企業(yè)”、“2023
    的頭像 發(fā)表于 01-12 10:23 ?444次閱讀
    天合光能斬獲年度“最具<b class='flag-5'>影響力</b>”多項(xiàng)“光能杯”大獎(jiǎng)

    PatchMatch MVS求解器中深度估計(jì)的挑戰(zhàn)性問題

    本文提出了一全新的學(xué)習(xí)型PatchMatch MVS框架,DS-PMNet,并嵌入了DeformSampler。這個(gè)框架能夠以端到端的方式學(xué)習(xí)
    的頭像 發(fā)表于 01-02 09:25 ?603次閱讀
    PatchMatch MVS求解器中<b class='flag-5'>深度</b>估計(jì)的挑戰(zhàn)性問題
    主站蜘蛛池模板: 99热这里只有精品88| 色多多污版app下载网站| 飘雪在线观看免费完整版| 色偷偷7777www| 亚洲综合免费视频| ae58老司机福利| 国产一区二区三区四区五在线观看 | 亚洲妈妈精品一区二区三区| 影音先锋xfplay影院av| 产传媒61国产免费| 国产在线aaa片一区二区99| 美女pk精子2小游戏| 精品夜夜澡人妻无码AV| 加勒比一本之道高清视频在线观看| 伦理 电影在线观看百度影音| 男女一边摸一边做羞羞的事情免费| 男人插女人动态图| 羞羞麻豆国产精品1区2区3区| 97国产揄拍国产精品人妻| 国产老头与老太hd| 欧美高清一区二区三| 亚洲精品欧美精品中文字幕| av女优快播| 精品一二三区久久AAA片| 色聚网久久综合| 2019午夜福利757视频第12集| 99er久久国产精品在线| 国产免费69成人精品视频| 欧美久久综合性欧美| 天天干夜夜叭| 99re久久超碰视频精品| 精品午夜中文字幕熟女人妻在线| 日韩内射美女人妻一区二区三区| 无码137片内射在线影院| AV天堂AV亚洲啪啪久久无码| 精品人妻一区二区三区视频53| 十分钟免费视频大全在线| 99热久久这里只精品国产WWW| 久久观看视频| 亚洲成人免费看| 国产av久久免费观看|