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

如何選擇合適的深度學(xué)習(xí)框架開展人工智能研究

NVIDIA英偉達(dá)企業(yè)解決方案 ? 來源:cc ? 2019-01-29 14:59 ? 次閱讀

深度學(xué)習(xí)框架正如一家雜貨店,當(dāng)人們想要做一頓美餐的時(shí)候,想必沒有幾個(gè)人會(huì)親自到菜園里種菜,而是選擇從市場(chǎng)里購買食材。

正如想要炒菜的人不會(huì)親自去種菜采摘一樣,開發(fā)者們也不想每次搭建深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的時(shí)侯都從零開始。

由于深度學(xué)習(xí)模型規(guī)模龐大且結(jié)構(gòu)復(fù)雜,在編寫功能代碼的時(shí)候,程序員不會(huì)每種功能代碼都從頭編寫,而是會(huì)借助框架和軟件庫來高效地構(gòu)建神經(jīng)網(wǎng)絡(luò)。頂級(jí)深度學(xué)習(xí)框架可提供專用于深度神經(jīng)網(wǎng)絡(luò)計(jì)算的代碼,這些代碼均經(jīng)過高度優(yōu)化,并支持GPU計(jì)算。

深度學(xué)習(xí)框架之間的差異

不同類型的雜貨店通常都有其各自專營的特色商品。比如,當(dāng)人們烹飪家常菜的時(shí)候,通常可以直接在當(dāng)?shù)厥袌?chǎng)買到所需的基礎(chǔ)食材;可是當(dāng)人們想要制作具有異域風(fēng)情的高級(jí)菜品的時(shí)候,則可能更喜歡在大型超市里選購進(jìn)口蔬菜,挑選未經(jīng)人工催熟的有機(jī)水果;又或者,當(dāng)您要為一大桌子人準(zhǔn)備飯菜,您又有可能會(huì)選擇在批發(fā)市場(chǎng)里采購一番。

同樣道理,雖然開發(fā)者可以基于任意一種深度學(xué)習(xí)框架構(gòu)建出絕大多數(shù)類型的網(wǎng)絡(luò)(例如卷積神經(jīng)網(wǎng)絡(luò)或遞歸神經(jīng)網(wǎng)絡(luò)),但各個(gè)框架在可用示例的數(shù)量和更新頻率方面各有差異。此外,在增添新功能方面,各個(gè)深度學(xué)習(xí)框架中貢獻(xiàn)者的數(shù)量也彼此不同,而且框架通過API 提供功能的方式也同樣各具特色。

頂級(jí)框架都是開源的,其中大部分框架的發(fā)布時(shí)間始于 2014 年,而且其開發(fā)工作一直都很活躍。

如何選擇深度學(xué)習(xí)框架

在選擇深度學(xué)習(xí)框架的時(shí)候,開發(fā)者們通常會(huì)有很多不同的考量,例如:框架前端與開發(fā)者專業(yè)技能的匹配程度,可獲取的社區(qū)支持力度,或他們感興趣的新功能的開發(fā)速度。

深度學(xué)習(xí)框架一般可以使用例如Python 或 C/C ++ 等編程語言中的腳本,通過命令訪問接口;也可以通過類似于 NVIDIA DIGITS 的圖形界面進(jìn)行訪問,此類界面允許開發(fā)者在更加用戶友好的 Web 應(yīng)用程序中構(gòu)建深度神經(jīng)網(wǎng)絡(luò)。

如果您希望將您的深度學(xué)習(xí)應(yīng)用程序與 NVIDIA GPU 相集成的話,請(qǐng)查看 NVIDIA 開發(fā)者計(jì)劃以了解更多信息。

如何在深度學(xué)習(xí)框架之間遷移模型

根據(jù)其所開發(fā)應(yīng)用程序的需要,開發(fā)者可能會(huì)首先使用一個(gè)框架來構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型;然后再使用不同的框架對(duì)模型進(jìn)行重新訓(xùn)練,或者在不同的框架上部署該模型,以便進(jìn)行推理。

開放式神經(jīng)網(wǎng)絡(luò)交換 (ONNX) 是一種允許開發(fā)者在框架之間遷移模型的深度學(xué)習(xí)模型格式。ONNX 支持在大多數(shù)主流框架之間進(jìn)行模型遷移。當(dāng)深度學(xué)習(xí)應(yīng)用程序已經(jīng)完成了訓(xùn)練并可以部署時(shí), TensorRT 軟件會(huì)對(duì)NVIDIA GPU 上的高性能推理模型進(jìn)行優(yōu)化。TensorRT 與 TensorFlowMATLAB 高度集成,并且支持導(dǎo)入 ONNX 格式的深度學(xué)習(xí)模型。

以下列舉了一些熱門的深度學(xué)習(xí)框架,以及多家公司和研究人員如何構(gòu)建用于醫(yī)療、災(zāi)難預(yù)測(cè)和細(xì)胞生物學(xué)的GPU加速應(yīng)用程序的案例。

Apache MXNet

Apache MXNet 是由 Apache Software Foundation 于 2015 年創(chuàng)建的深度學(xué)習(xí)框架。一家位于西雅圖的初創(chuàng)公司——Magic AI, 正在利用深度學(xué)習(xí)模型來監(jiān)控馬匹的健康狀況,該模型基于 MXNet 構(gòu)建,并運(yùn)行于 NVIDIA GPU 上。該神經(jīng)網(wǎng)絡(luò)可以逐幀分析馬廄內(nèi)的監(jiān)控視頻,當(dāng)出現(xiàn)意外狀況,例如:馬匹即將分娩,馬匹表現(xiàn)出絞痛癥狀或陌生人進(jìn)入馬廄時(shí),該神經(jīng)網(wǎng)絡(luò)會(huì)向馬場(chǎng)主發(fā)送警報(bào)。

開發(fā)者可以將模型遷移到 ONNX 進(jìn)行推理,然后使用 NVIDIA TensorRT 進(jìn)行優(yōu)化和部署。

Caffe

Caffe 深度學(xué)習(xí)框架于2014 年誕生在加州大學(xué)伯克利分校,并催生了 NVCaffe 等分支以及類似于 Facebook 的 Caffe2(現(xiàn)與 PyTorch 合并)的新型框架。肺癌是全球最常見的癌癥,半數(shù)被診斷為肺癌的患者會(huì)在一年內(nèi)死亡。借助深度學(xué)習(xí)和 NVIDIA GPU,位于圣路易斯的初創(chuàng)公司 Innovation DX利用胸部 X 光掃描對(duì)肺癌進(jìn)行早期篩查。他們的早期檢測(cè)工具由神經(jīng)網(wǎng)絡(luò)和 Caffe 框架提供支持,可以使肺癌患者的存活率提高兩倍。

開發(fā)者可以利用 NVIDIA TensorRT 的內(nèi)置 Caffe 模型導(dǎo)入器,對(duì)推理模型進(jìn)行優(yōu)化和部署。

Chainer

Chainer 誕生于 2015 年,由日本風(fēng)險(xiǎn)投資公司Preferred Networks開發(fā)。利用這款基于 Python 的框架,Preferred Networks與工業(yè)自動(dòng)化巨頭 FANUC 攜手合作,共同參加了 2016 年的亞馬遜分揀貨物挑戰(zhàn)賽 (Amazon Picking Challenge)。挑戰(zhàn)賽的內(nèi)容是讓自主機(jī)器人分揀并放置物品。Preferred Networks 和 FANUC 在比賽中使用了卷積神經(jīng)網(wǎng)絡(luò)和用于筆記本電腦的NVIDIA GeForce GTX 870M GPU,并最終取得了第二名的好成績。

開發(fā)者可以將模型遷移到 ONNX 進(jìn)行推理,然后使用 NVIDIA TensorRT 進(jìn)行優(yōu)化和部署。

Keras

Keras 是一個(gè)可以在多個(gè)框架上運(yùn)行的界面,使用高級(jí)Python API ,它可以在諸如MXNet、TensorFlow、Theano 和 Microsoft Cognitive Toolkit等不同框架之上運(yùn)行。Keras 由研究人員 Fran?oisChollet 于 2014 年創(chuàng)建,旨在讓統(tǒng)一且抽象的 API 變得易于使用。一個(gè)韓國研究團(tuán)隊(duì)使用 Keras 來提高颶風(fēng)預(yù)測(cè)的速度和準(zhǔn)確性。他們使用 TensorFlow 上的 Keras 構(gòu)建了深度學(xué)習(xí)模型,并在 NVIDIA GPU 上運(yùn)行,可以提前幾個(gè)小時(shí)預(yù)測(cè)風(fēng)暴的路徑和降水量。由于這些神經(jīng)網(wǎng)絡(luò)能夠提前預(yù)測(cè)風(fēng)暴,因此他們可以在颶風(fēng)來襲之前向當(dāng)?shù)鼐用癜l(fā)出警告,爭(zhēng)取更多的疏散時(shí)間。

MATLAB

MATLAB 允許熟悉其軟件的工程師使用 MATLAB 代碼來開發(fā)深度學(xué)習(xí)工具。借助MATLAB 和NVIDIA GPU,阿爾伯塔大學(xué)的研究人員致力于幫助患者避免不必要的前列腺癌活檢。該團(tuán)隊(duì)的深度學(xué)習(xí)模型對(duì)細(xì)胞外囊泡的生物標(biāo)志物數(shù)據(jù)進(jìn)行分析,從而預(yù)判是否存在癌細(xì)胞。

在推理方面,開發(fā)者可以通過 MATLAB GPU Coder 使用 TensorRT 自動(dòng)生成經(jīng)過優(yōu)化的推理引擎。

Microsoft Cognitive Toolkit

這款由微軟公司于2014年推出的深度學(xué)習(xí)框架,起初被命名為CNTK, 其主要為微軟自己的AI模型(如 Cortana)提供支持。借助NVIDIA Tesla GPU和 Microsoft Cognitive Toolkit,醫(yī)療科技公司 IRIS 專注于預(yù)防糖尿病視網(wǎng)膜病變或糖尿病引起的失明,此類疾病只能通過眼科檢查才能發(fā)現(xiàn),患者很難自行判斷。而IRIS 的神經(jīng)網(wǎng)絡(luò)可通過分析視網(wǎng)膜圖像,告知患者是否需要到專業(yè)醫(yī)師處就診。

開發(fā)者可以將模型遷移到 ONNX 進(jìn)行推理,然后使用 NVIDIA TensorRT 進(jìn)行優(yōu)化和部署。

PyTorch

PyTorch 的前身是 Torch,一種基于編程語言 Lua 的熱門深度學(xué)習(xí)框架,該框架于 2011 年推出。隨后,2017 年,F(xiàn)acebook 推出了 PyTorch,后者繼承了 Torch 的功能并可以在 Python 中實(shí)施。艾倫細(xì)胞科學(xué)研究所 (Allen Institute of Cell Science) 的研究人員利用 PyTorch 開發(fā)出了首個(gè)可預(yù)測(cè)人體活細(xì)胞的3D 模型,該模型由 NVIDIA DGX 工作站和 TITAN Xp GPU 提供支持,能夠讓科學(xué)家在虛擬環(huán)境中以數(shù)字方式實(shí)現(xiàn)細(xì)胞的可視化并操縱細(xì)胞行為。這款利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的細(xì)胞模型可以替代昂貴的熒光顯微鏡觀測(cè),讓科學(xué)家能夠以一種前所未有的方式理解和預(yù)測(cè)細(xì)胞活動(dòng)。

開發(fā)者可以將模型遷移到 ONNX 進(jìn)行推理,然后使用 NVIDIA TensorRT 進(jìn)行優(yōu)化和部署。

TensorFlow

TensorFlow 是 Google 于 2015 年創(chuàng)建的深度學(xué)習(xí)框架。德克薩斯大學(xué) MD 安德森癌癥中心的研究人員正在使用 TensorFlow 開發(fā)高精度放射治療技術(shù)。放射科醫(yī)師通常會(huì)檢查癌癥患者的掃描圖像,以判斷在不損害正常組織的情況下應(yīng)該使用多少輻射量來進(jìn)行腫瘤靶向治療。借助 NVIDIA Tesla GPU,研究人員開發(fā)了可學(xué)習(xí)并模仿醫(yī)生工作模式的深度學(xué)習(xí)模型,來識(shí)別放射目標(biāo)區(qū)域。

在推理方面,開發(fā)者既可以使用 TensorFlow-TensorRT 集成功能優(yōu)化 TensorFlow 中的模型;也可以導(dǎo)出 TensorFlow 模型,然后使用 NVIDIA TensorRT 的內(nèi)置 TensorFlow 模型導(dǎo)入器在 TensorRT 中進(jìn)行優(yōu)化。

廣泛的框架生態(tài)系統(tǒng)

NVIDIA與上述諸多框架以及其他框架(如百度的 PaddlePaddle)合作,使深度學(xué)習(xí)應(yīng)用程序得以成功實(shí)現(xiàn)。

新型深度學(xué)習(xí)框架正在不斷地涌現(xiàn),這表明神經(jīng)網(wǎng)絡(luò)得到了開發(fā)者的廣泛采用。Theano 和 Torch 這類早期框架為許多深度學(xué)習(xí)應(yīng)用程序提供了支持,但其創(chuàng)建者在 2017 年宣布,他們將不再繼續(xù)開發(fā)這些框架。

NVIDIA 的深度學(xué)習(xí)框架團(tuán)隊(duì)直接參與了其中的多個(gè)開源項(xiàng)目,僅在去年,就做出了共計(jì) 800 多項(xiàng)貢獻(xiàn),提高了這些項(xiàng)目的易用性和性能。

NGC 容器注冊(cè)表允許訪客即時(shí)訪問上述多種框架,并能夠按照訪客的需求,為其提供最佳的 GPU 加速性能。

了解更多有關(guān)深度學(xué)習(xí)框架的資源和安裝信息,請(qǐng)?jiān)L問NVIDIA Developer 網(wǎng)站。該中心還為一些最常見的深度學(xué)習(xí)框架和應(yīng)用程序提供示例神經(jīng)網(wǎng)絡(luò)訓(xùn)練腳本,例如計(jì)算機(jī)視覺、機(jī)器翻譯和對(duì)象檢測(cè)。在 NVIDIA GPU Cloud 目錄中還提供深度學(xué)習(xí)容器套件。

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(chǎng)。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
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    31039

    瀏覽量

    269388
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5506

    瀏覽量

    121259

原文標(biāo)題:一文教你如何選擇深度學(xué)習(xí)框架開啟AI研究

文章出處:【微信號(hào):NVIDIA-Enterprise,微信公眾號(hào):NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    迅龍軟件受邀參加華為昇思人工智能框架峰會(huì),展示昇思X香橙派的創(chuàng)新AI案例

    12月14日,昇思人工智能框架峰會(huì)在北京中關(guān)村國際創(chuàng)新中心召開,本次大會(huì)以“創(chuàng)新源動(dòng)力,框架選擇”為主題,由昇思MindSpore開源社區(qū)、中國
    的頭像 發(fā)表于 12-17 18:02 ?472次閱讀
    迅龍軟件受邀參加華為昇思<b class='flag-5'>人工智能</b><b class='flag-5'>框架</b>峰會(huì),展示昇思X香橙派的創(chuàng)新AI案例

    華為推動(dòng)中國人工智能框架生態(tài)高速發(fā)展

    近日,昇思人工智能框架峰會(huì)在北京中關(guān)村國際創(chuàng)新中心召開,本次大會(huì)以“創(chuàng)新源動(dòng)力,框架選擇”為主題,由昇思MindSpore開源社區(qū)、中國人工智能
    的頭像 發(fā)表于 12-17 11:06 ?269次閱讀

    嵌入式和人工智能究竟是什么關(guān)系?

    領(lǐng)域,如工業(yè)控制、智能家居、醫(yī)療設(shè)備等。 人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支,它研究如何使計(jì)算機(jī)具備像人類一樣思考、學(xué)習(xí)、推理和決策的能力。人工智能
    發(fā)表于 11-14 16:39

    人工智能、機(jī)器學(xué)習(xí)深度學(xué)習(xí)存在什么區(qū)別

    人工智能指的是在某種程度上顯示出類似人類智能的設(shè)備。AI有很多技術(shù),但其中一個(gè)很大的子集是機(jī)器學(xué)習(xí)——讓算法從數(shù)據(jù)中學(xué)習(xí)
    發(fā)表于 10-24 17:22 ?2505次閱讀
    <b class='flag-5'>人工智能</b>、機(jī)器<b class='flag-5'>學(xué)習(xí)</b>和<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>存在什么區(qū)別

    《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得

    人工智能在科學(xué)研究中的核心技術(shù),包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。這些技術(shù)構(gòu)成了AI for Science的基石,使得AI能夠處理和分析
    發(fā)表于 10-14 09:16

    《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第一章人工智能驅(qū)動(dòng)的科學(xué)創(chuàng)新學(xué)習(xí)心得

    人工智能:科學(xué)研究的加速器 第一章清晰地闡述了人工智能作為科學(xué)研究工具的強(qiáng)大功能。通過機(jī)器學(xué)習(xí)深度
    發(fā)表于 10-14 09:12

    risc-v在人工智能圖像處理應(yīng)用前景分析

    定制性。這些特點(diǎn)使得RISC-V在多個(gè)領(lǐng)域,包括人工智能圖像處理領(lǐng)域,具有顯著的優(yōu)勢(shì)。 二、RISC-V在人工智能圖像處理中的優(yōu)勢(shì) 開源性和靈活性 : RISC-V的開源性意味著任何人都可以自由研究
    發(fā)表于 09-28 11:00

    名單公布!【書籍評(píng)測(cè)活動(dòng)NO.44】AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新

    大力發(fā)展AI for Science的原因。 第2章從科學(xué)研究底層的理論模式與主要困境,以及人工智能三要素(數(shù)據(jù)、算法、算力)出發(fā),對(duì)AI for Science的技術(shù)支撐進(jìn)行解讀。 第3章介紹了在
    發(fā)表于 09-09 13:54

    FPGA在人工智能中的應(yīng)用有哪些?

    FPGA(現(xiàn)場(chǎng)可編程門陣列)在人工智能領(lǐng)域的應(yīng)用非常廣泛,主要體現(xiàn)在以下幾個(gè)方面: 一、深度學(xué)習(xí)加速 訓(xùn)練和推理過程加速:FPGA可以用來加速深度學(xué)
    發(fā)表于 07-29 17:05

    人工智能、機(jī)器學(xué)習(xí)深度學(xué)習(xí)是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機(jī)器學(xué)習(xí)(Machine Learning, ML)和深度學(xué)習(xí)(Deep Learning,
    的頭像 發(fā)表于 07-03 18:22 ?1326次閱讀

    人工智能深度學(xué)習(xí)的五大模型及其應(yīng)用領(lǐng)域

    隨著科技的飛速發(fā)展,人工智能(AI)技術(shù)特別是深度學(xué)習(xí)在各個(gè)領(lǐng)域展現(xiàn)出了強(qiáng)大的潛力和廣泛的應(yīng)用價(jià)值。深度學(xué)習(xí)作為人工智能的一個(gè)核心分支,通過
    的頭像 發(fā)表于 07-03 18:20 ?4669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 ?983次閱讀

    FPGA在深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈鶪PU

    現(xiàn)場(chǎng)可編程門陣列 (FPGA) 解決了 GPU 在運(yùn)行深度學(xué)習(xí)模型時(shí)面臨的許多問題 在過去的十年里,人工智能的再一次興起使顯卡行業(yè)受益匪淺。英偉達(dá) (Nvidia) 和 AMD 等公司的股價(jià)也大幅
    發(fā)表于 03-21 15:19

    人工智能和機(jī)器學(xué)習(xí)的頂級(jí)開發(fā)板有哪些?

    機(jī)器學(xué)習(xí)(ML)和人工智能(AI)不再局限于高端服務(wù)器或云平臺(tái)。得益于集成電路(IC)和軟件技術(shù)的新發(fā)展,在微型控制器和微型計(jì)算機(jī)上實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法和深度
    的頭像 發(fā)表于 02-29 18:59 ?849次閱讀
    <b class='flag-5'>人工智能</b>和機(jī)器<b class='flag-5'>學(xué)習(xí)</b>的頂級(jí)開發(fā)板有哪些?

    生成式人工智能和感知式人工智能的區(qū)別

    生成新的內(nèi)容和信息的人工智能系統(tǒng)。這些系統(tǒng)能夠利用已有的數(shù)據(jù)和知識(shí)來生成全新的內(nèi)容,如圖片、音樂、文本等。生成式人工智能通常基于深度學(xué)習(xí)技術(shù),如生成對(duì)抗網(wǎng)絡(luò)(GANs)、變分自編碼器(
    的頭像 發(fā)表于 02-19 16:43 ?1800次閱讀
    主站蜘蛛池模板: 大香网伊人久久综合观看| 囯产免费久久久久久国产免费| 亚洲精品天堂自在久久77| 玄幻全黄h全肉后宫| 亚洲国产精品久久无套麻豆 | 电影 qvod| 国产精品日本无码久久一老A | 国产乱码免费卡1卡二卡3卡四卡| 国产综合18久久久久久软件| 激情办公室| 美国ZOOM动物在线观看| 青青草伊人久久| 午夜伦yy44880影院| 诱咪视频免费| 99热国产这里只有精品6| 高H内射NP古文| 精品国产国产综合精品| 男男肉肉互插腐文| 神马影院午夜理论二| 亚洲视频国产在线精品| 2020久久精品永久免费| 耻辱诊察室1一4集动漫在线观看| 国产亚洲精品品视频在线| 快播av种子| 色悠悠电影网| 印度性hd18| 电影 qvod| 久久久97人妻无码精品蜜桃| 人善交XUANWEN200喷水| 亚洲精品国产国语| 99国产精品人妻无码免费| 国产精品人妻无码久久久蜜桃臀| 久久亚洲A片COM人成A | 国产自产第一区c国产| 麻豆AV蜜桃AV久久| 桃花色影院| 最近中文字幕2018MV高清在线 | 亚洲青青青网伊人精品| ae58老司机福利| 国产亚洲视频在线| 欧美一夜爽爽爽爽爽爽|