如何通過Python進(jìn)行深度學(xué)習(xí)？

作者 | Vihar Kurama

柳北網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)公司！從網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站設(shè)計(jì)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營(yíng)維護(hù)。創(chuàng)新互聯(lián)公司于2013年成立到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來(lái)保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)公司。

編譯 | 荷葉

來(lái)源 | 云棲社區(qū)

摘要：深度學(xué)習(xí)背后的主要原因是人工智能應(yīng)該從人腦中汲取靈感。本文就用一個(gè)小例子無(wú)死角的介紹一下深度學(xué)習(xí)！

人腦模擬

深度學(xué)習(xí)背后的主要原因是人工智能應(yīng)該從人腦中汲取靈感。此觀點(diǎn)引出了“神經(jīng)網(wǎng)絡(luò)”這一術(shù)語(yǔ)。人腦中包含數(shù)十億個(gè)神經(jīng)元，它們之間有數(shù)萬(wàn)個(gè)連接。很多情況下，深度學(xué)習(xí)算法和人腦相似，因?yàn)槿四X和深度學(xué)習(xí)模型都擁有大量的編譯單元（神經(jīng)元），這些編譯單元（神經(jīng)元）在獨(dú)立的情況下都不太智能，但是當(dāng)他們相互作用時(shí)就會(huì)變得智能。

我認(rèn)為人們需要了解到深度學(xué)習(xí)正在使得很多幕后的事物變得更好。深度學(xué)習(xí)已經(jīng)應(yīng)用于谷歌搜索和圖像搜索，你可以通過它搜索像“擁抱”這樣的詞語(yǔ)以獲得相應(yīng)的圖像。－杰弗里·辛頓

神經(jīng)元

神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建模塊是人工神經(jīng)元，它模仿了人類大腦的神經(jīng)元。這些神經(jīng)元是簡(jiǎn)單、強(qiáng)大的計(jì)算單元，擁有加權(quán)輸入信號(hào)并且使用激活函數(shù)產(chǎn)生輸出信號(hào)。這些神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個(gè)層中。

inputs 輸入 outputs 輸出 weights 權(quán)值 activation 激活

人工神經(jīng)網(wǎng)絡(luò)的工作原理是什么？

深度學(xué)習(xí)由人工神經(jīng)網(wǎng)絡(luò)構(gòu)成，該網(wǎng)絡(luò)模擬了人腦中類似的網(wǎng)絡(luò)。當(dāng)數(shù)據(jù)穿過這個(gè)人工網(wǎng)絡(luò)時(shí)，每一層都會(huì)處理這個(gè)數(shù)據(jù)的一方面，過濾掉異常值，辨認(rèn)出熟悉的實(shí)體，并產(chǎn)生最終輸出。

輸入層：該層由神經(jīng)元組成，這些神經(jīng)元只接收輸入信息并將它傳遞到其他層。輸入層的圖層數(shù)應(yīng)等于數(shù)據(jù)集里的屬性或要素的數(shù)量。輸出層：輸出層具有預(yù)測(cè)性，其主要取決于你所構(gòu)建的模型類型。隱含層：隱含層處于輸入層和輸出層之間，以模型類型為基礎(chǔ)。隱含層包含大量的神經(jīng)元。處于隱含層的神經(jīng)元會(huì)先轉(zhuǎn)化輸入信息，再將它們傳遞出去。隨著網(wǎng)絡(luò)受訓(xùn)練，權(quán)重得到更新，從而使其更具前瞻性。

神經(jīng)元的權(quán)重

權(quán)重是指兩個(gè)神經(jīng)元之間的連接的強(qiáng)度或幅度。你如果熟悉線性回歸的話，可以將輸入的權(quán)重類比為我們?cè)诨貧w方程中用的系數(shù)。權(quán)重通常被初始化為小的隨機(jī)數(shù)值，比如數(shù)值0-1。

前饋深度網(wǎng)絡(luò)

前饋監(jiān)督神經(jīng)網(wǎng)絡(luò)曾是第一個(gè)也是最成功的學(xué)習(xí)算法。該網(wǎng)絡(luò)也可被稱為深度網(wǎng)絡(luò)、多層感知機(jī)（MLP）或簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)，并且闡明了具有單一隱含層的原始架構(gòu)。每個(gè)神經(jīng)元通過某個(gè)權(quán)重和另一個(gè)神經(jīng)元相關(guān)聯(lián)。

該網(wǎng)絡(luò)處理向前處理輸入信息，激活神經(jīng)元，最終產(chǎn)生輸出值。在此網(wǎng)絡(luò)中，這稱為前向傳遞。

inputlayer 輸入層 hidden layer 輸出層 output layer 輸出層

激活函數(shù)

激活函數(shù)就是求和加權(quán)的輸入到神經(jīng)元的輸出的映射。之所以稱之為激活函數(shù)或傳遞函數(shù)是因?yàn)樗刂浦せ钌窠?jīng)元的初始值和輸出信號(hào)的強(qiáng)度。

用數(shù)學(xué)表示為：

我們有許多激活函數(shù)，其中使用最多的是整流線性單元函數(shù)、雙曲正切函數(shù)和solfPlus函數(shù)。

激活函數(shù)的速查表如下：

反向傳播

在網(wǎng)絡(luò)中，我們將預(yù)測(cè)值與預(yù)期輸出值相比較，并使用函數(shù)計(jì)算其誤差。然后，這個(gè)誤差會(huì)傳回這個(gè)網(wǎng)絡(luò)，每次傳回一個(gè)層，權(quán)重也會(huì)根絕其導(dǎo)致的誤差值進(jìn)行更新。這個(gè)聰明的數(shù)學(xué)法是反向傳播算法。這個(gè)步驟會(huì)在訓(xùn)練數(shù)據(jù)的所有樣本中反復(fù)進(jìn)行，整個(gè)訓(xùn)練數(shù)據(jù)集的網(wǎng)絡(luò)更新一輪稱為一個(gè)時(shí)期。一個(gè)網(wǎng)絡(luò)可受訓(xùn)練數(shù)十、數(shù)百或數(shù)千個(gè)時(shí)期。

prediction error 預(yù)測(cè)誤差

代價(jià)函數(shù)和梯度下降

代價(jià)函數(shù)度量了神經(jīng)網(wǎng)絡(luò)對(duì)給定的訓(xùn)練輸入和預(yù)期輸出“有多好”。該函數(shù)可能取決于權(quán)重、偏差等屬性。

代價(jià)函數(shù)是單值的，并不是一個(gè)向量，因?yàn)樗鼜恼w上評(píng)估神經(jīng)網(wǎng)絡(luò)的性能。在運(yùn)用梯度下降最優(yōu)算法時(shí)，權(quán)重在每個(gè)時(shí)期后都會(huì)得到增量式地更新。

兼容代價(jià)函數(shù)

用數(shù)學(xué)表述為差值平方和：

target 目標(biāo)值 output 輸出值

權(quán)重更新的大小和方向是由在代價(jià)梯度的反向上采取步驟計(jì)算出的。

其中η 是學(xué)習(xí)率

其中Δw是包含每個(gè)權(quán)重系數(shù)w的權(quán)重更新的向量，其計(jì)算方式如下：

target 目標(biāo)值 output 輸出值

圖表中會(huì)考慮到單系數(shù)的代價(jià)函數(shù)

initial weight 初始權(quán)重 gradient 梯度 global cost minimum 代價(jià)極小值

在導(dǎo)數(shù)達(dá)到最小誤差值之前，我們會(huì)一直計(jì)算梯度下降，并且每個(gè)步驟都會(huì)取決于斜率（梯度）的陡度。

多層感知器（前向傳播）

這類網(wǎng)絡(luò)由多層神經(jīng)元組成，通常這些神經(jīng)元以前饋方式（向前傳播）相互連接。一層中的每個(gè)神經(jīng)元可以直接連接后續(xù)層的神經(jīng)元。在許多應(yīng)用中，這些網(wǎng)絡(luò)的單元會(huì)采用S型函數(shù)或整流線性單元（整流線性激活）函數(shù)作為激活函數(shù)。

現(xiàn)在想想看要找出處理次數(shù)這個(gè)問題，給定的賬戶和家庭成員作為輸入

要解決這個(gè)問題，首先，我們需要先創(chuàng)建一個(gè)前向傳播神經(jīng)網(wǎng)絡(luò)。我們的輸入層將是家庭成員和賬戶的數(shù)量，隱含層數(shù)為1， 輸出層將是處理次數(shù)。

將圖中輸入層到輸出層的給定權(quán)重作為輸入：家庭成員數(shù)為2、賬戶數(shù)為3。

現(xiàn)在將通過以下步驟使用前向傳播來(lái)計(jì)算隱含層（i，j）和輸出層（k）的值。

步驟：

1， 乘法－添加方法。

2， 點(diǎn)積（輸入＊權(quán)重）。

3，一次一個(gè)數(shù)據(jù)點(diǎn)的前向傳播。

4， 輸出是該數(shù)據(jù)點(diǎn)的預(yù)測(cè)。

i的值將從相連接的神經(jīng)元所對(duì)應(yīng)的輸入值和權(quán)重中計(jì)算出來(lái)。

i = (2 * 1) + (3* 1) → i = 5

同樣地，j = (2 * -1) + (3 * 1) → j =1

K = (5 * 2) + (1* -1) → k = 9

Python中的多層感知器問題的解決

激活函數(shù)的使用

為了使神經(jīng)網(wǎng)絡(luò)達(dá)到其最大預(yù)測(cè)能力，我們需要在隱含層應(yīng)用一個(gè)激活函數(shù)，以捕捉非線性。我們通過將值代入方程式的方式來(lái)在輸入層和輸出層應(yīng)用激活函數(shù)。

這里我們使用整流線性激活（ReLU）:

用Keras開發(fā)第一個(gè)神經(jīng)網(wǎng)絡(luò)

關(guān)于Keras：

Keras是一個(gè)高級(jí)神經(jīng)網(wǎng)絡(luò)的應(yīng)用程序編程接口，由Python編寫，能夠搭建在TensorFlow,CNTK,或Theano上。

使用PIP在設(shè)備上安裝Keras,并且運(yùn)行下列指令。

在keras執(zhí)行深度學(xué)習(xí)程序的步驟

1，加載數(shù)據(jù)；

2，創(chuàng)建模型；

3，編譯模型；

4，擬合模型；

5，評(píng)估模型。

開發(fā)Keras模型

全連接層用Dense表示。我們可以指定層中神經(jīng)元的數(shù)量作為第一參數(shù)，指定初始化方法為第二參數(shù)，即初始化參數(shù)，并且用激活參數(shù)確定激活函數(shù)。既然模型已經(jīng)創(chuàng)建，我們就可以編譯它。我們?cè)诘讓訋?kù)（也稱為后端）用高效數(shù)字庫(kù)編譯模型，底層庫(kù)可以用Theano或TensorFlow。目前為止，我們已經(jīng)完成了創(chuàng)建模型和編譯模型，為進(jìn)行有效計(jì)算做好了準(zhǔn)備。現(xiàn)在可以在PIMA數(shù)據(jù)上運(yùn)行模型了。我們可以在模型上調(diào)用擬合函數(shù)f（），以在數(shù)據(jù)上訓(xùn)練或擬合模型。

我們先從KERAS中的程序開始，

神經(jīng)網(wǎng)絡(luò)一直訓(xùn)練到150個(gè)時(shí)期，并返回精確值。

java調(diào)python

很多朋友都想知道java怎么調(diào)python？下面就一起來(lái)了解一下吧~

java調(diào)python主要有兩種方法：1.使用Runtime.getRuntime()執(zhí)行腳本文件；2. 將python腳本寫成進(jìn)程為java提供服務(wù)，下面是具體的方法介紹：

第一種：使用Runtime.getRuntime()執(zhí)行腳本文件

先建立python腳本文件 demo.py

import?numpy?as?np a?=?np.arange(12).reshape(3,4)print(a)

java調(diào)用python程序并輸出該結(jié)果

import?java.io.BufferedReader;import?java.io.IOException;import?java.io.InputStreamReader;public?class?Demo?{ ????public?static?void?main(String[]?args)?{ ????????//?TODO?Auto-generated?method?stub ????????Process?proc; ????????try?{ ????????????proc?=?Runtime.getRuntime().exec("python?D:\\demo.py");//?執(zhí)行py文件 ????????????//用輸入輸出流來(lái)截取結(jié)果 ????????????BufferedReader?in?=?new?BufferedReader(new?InputStreamReader(proc.getInputStream())); ????????????String?line?=?null; ????????????while?((line?=?in.readLine())?!=?null)?{ ????????????????System.out.println(line); ????????????} ????????????in.close(); ????????????proc.waitFor(); ????????}?catch?(IOException?e)?{ ????????????e.printStackTrace(); ????????}?catch?(InterruptedException?e)?{ ????????????e.printStackTrace(); ????????}? ????}}

如若向python程序中函數(shù)傳遞參數(shù)并執(zhí)行出結(jié)果，下面就舉一例來(lái)說明一下。

同樣建立python腳本文件demo2.py

import?sys def?func(a,b): ????return?(a+b)if?__name__?==?'__main__': ????a?=?[] ????for?i?in?range(1,?len(sys.argv)): ????????a.append((int(sys.argv[i]))) ????print(func(a[0],a[1]))

其中sys.argv用于獲取參數(shù)url1，url2等。而sys.argv[0]代表python程序名，所以列表從1開始讀取參數(shù)。

以上代碼實(shí)現(xiàn)一個(gè)兩個(gè)數(shù)做加法的程序，下面看看在java中怎么傳遞函數(shù)參數(shù)，代碼如下：

int?a?=?18;int?b?=?23;try?{ ????String[]?args?=?new?String[]?{?"python",?"D:\\demo2.py",?String.valueOf(a),?String.valueOf(b)?}; ????Process?proc?=?Runtime.getRuntime().exec(args);//?執(zhí)行py文件 ????BufferedReader?in?=?new?BufferedReader(new?InputStreamReader(proc.getInputStream())); ????String?line?=?null; ????while?((line?=?in.readLine())?!=?null)?{ ????????System.out.println(line); ????} ????in.close(); ????proc.waitFor();}?catch?(IOException?e)?{ ????e.printStackTrace();}?catch?(InterruptedException?e)?{ ????e.printStackTrace();}

其中args是String[] { “python”,path,url1,url2 }; ，path是python程序所在的路徑，url1是參數(shù)1，url2是參數(shù)2，以此類推。

2. 將python腳本寫成進(jìn)程為java提供服務(wù)

python腳本文件如下：

import?socketimport?sysimport?threadingimport?numpy?as?npfrom?PIL?import?Imagedef?main(): ????#?創(chuàng)建服務(wù)器套接字 ????serversocket?=?socket.socket(socket.AF_INET,socket.SOCK_STREAM) ????#?獲取本地主機(jī)名稱 ????host?=?socket.gethostname() ????#?設(shè)置一個(gè)端口 ????port?=?12345 ????#?將套接字與本地主機(jī)和端口綁定 ????serversocket.bind((host,port)) ????#?設(shè)置監(jiān)聽最大連接數(shù) ????serversocket.listen(5) ????#?獲取本地服務(wù)器的連接信息 ????myaddr?=?serversocket.getsockname() ????print("服務(wù)器地址:%s"%str(myaddr)) ????#?循環(huán)等待接受客戶端信息 ????while?True: ????????#?獲取一個(gè)客戶端連接 ????????clientsocket,addr?=?serversocket.accept() ????????print("連接地址:%s"?%?str(addr)) ????????try: ????????????t?=?ServerThreading(clientsocket)#為每一個(gè)請(qǐng)求開啟一個(gè)處理線程 ????????????t.start() ????????????pass ????????except?Exception?as?identifier: ????????????print(identifier) ????????????pass ????????pass ????serversocket.close() ????passclass?ServerThreading(threading.Thread): ????#?words?=?text2vec.load_lexicon() ????def?__init__(self,clientsocket,recvsize=1024*1024,encoding="utf-8"): ????????threading.Thread.__init__(self) ????????self._socket?=?clientsocket ????????self._recvsize?=?recvsize ????????self._encoding?=?encoding????????pass ????def?run(self): ????????print("開啟線程.....") ????????try: ????????????#接受數(shù)據(jù) ????????????msg?=?'' ????????????while?True: ????????????????#?讀取recvsize個(gè)字節(jié) ????????????????rec?=?self._socket.recv(self._recvsize) ????????????????#?解碼 ????????????????msg?+=?rec.decode(self._encoding) ????????????????#?文本接受是否完畢，因?yàn)閜ython?socket不能自己判斷接收數(shù)據(jù)是否完畢， ????????????????#?所以需要自定義協(xié)議標(biāo)志數(shù)據(jù)接受完畢 ????????????????if?msg.strip().endswith('over'): ????????????????????msg=msg[:-4] ????????????????????break ??????????? ????????????sendmsg?=?Image.open(msg) ????????????#?發(fā)送數(shù)據(jù) ????????????self._socket.send(("%s"%sendmsg).encode(self._encoding)) ????????????pass ????????except?Exception?as?identifier: ????????????self._socket.send("500".encode(self._encoding)) ????????????print(identifier) ????????????pass ????????finally: ????????????self._socket.close()? ????????print("任務(wù)結(jié)束.....") ???????? ????????pass ????def?__del__(self): ????????passif?__name__?==?"__main__": ????main()

在java代碼中訪問python進(jìn)程的代碼： package?hello;import?java.lang.System;import?java.io.BufferedReader;import?java.io.IOException;import?java.io.InputStreamReader;import?java.net.InetAddress;import?java.net.Socket;import?java.io.OutputStream;import?java.io.PrintStream;import?java.io.InputStream;public?class?hello?{ ????public?static?void?main(String[]?args){ ????????//System.out.println("Hello?World!"); ????????//?TODO?Auto-generated?method?stub ????????try?{ ????????????InetAddress?addr?=?InetAddress.getLocalHost(); ????????????String?host=addr.getHostName(); ????????????//String?ip=addr.getHostAddress().toString();?//獲取本機(jī)ip ????????????//log.info("調(diào)用遠(yuǎn)程接口:host="+ip+",port="+12345); ????????????//?初始化套接字，設(shè)置訪問服務(wù)的主機(jī)和進(jìn)程端口號(hào)，HOST是訪問python進(jìn)程的主機(jī)名稱，可以是IP地址或者域名，PORT是python進(jìn)程綁定的端口號(hào) ????????????Socket?socket?=?new?Socket(host,12345); ????????????//?獲取輸出流對(duì)象 ????????????OutputStream?os?=?socket.getOutputStream(); ????????????PrintStream?out?=?new?PrintStream(os); ????????????//?發(fā)送內(nèi)容 ????????????out.print(?"F:\\xxx\\0000.jpg"); ????????????//?告訴服務(wù)進(jìn)程，內(nèi)容發(fā)送完畢，可以開始處理 ????????????out.print("over"); ????????????//?獲取服務(wù)進(jìn)程的輸入流 ????????????InputStream?is?=?socket.getInputStream(); ????????????BufferedReader?br?=?new?BufferedReader(new?InputStreamReader(is,"utf-8")); ????????????String?tmp?=?null; ????????????StringBuilder?sb?=?new?StringBuilder(); ????????????//?讀取內(nèi)容 ????????????while((tmp=br.readLine())!=null) ????????????????sb.append(tmp).append('\n'); ????????????System.out.print(sb); ????????????//?解析結(jié)果 ????????????//JSONArray?res?=?JSON.parseArray(sb.toString()); ????????}?catch?(IOException?e)?{ ????????????e.printStackTrace(); ????????}finally?{ ????????????try?{if(socket!=null)?socket.close();}?catch?(IOException?e)?{} ????????????System.out.print("遠(yuǎn)程接口調(diào)用結(jié)束."); ????????} ??????}}

如何用Python寫spark

1.RDD是PariRDD類型

def add1(line):

return line[0] + line[1]

def add2(x1,x2):

return x1 + x2

sc = SparkContext(appName="gridAnalyse")

rdd = sc.parallelize([1,2,3])

list1 = rdd.map(lambda line: (line,1)).map(lambda (x1,x2) : x1 + x2).collect() #只有一個(gè)參數(shù)，通過匹配來(lái)直接獲?。ㄙx值給里面對(duì)應(yīng)位置的變量）

list1 = rdd.map(lambda line: (line,1)).map(lambda x1,x2 : x1 + x2).collect() #錯(cuò)誤，相當(dāng)于函數(shù)有兩個(gè)參數(shù)

list2 = rdd.map(lambda line: (line,1)).map(lambda line : line[0] + line[1]).collect() #只有一個(gè)參數(shù)，參數(shù)是Tuple或List數(shù)據(jù)類型，再?gòu)募系膶?duì)應(yīng)位置取出數(shù)據(jù)

list3 = rdd.map(lambda line: (line,1)).map(add1).collect() #傳遞函數(shù)，將Tuple或List類型數(shù)據(jù)傳給形參

list4 = rdd.map(lambda line: (line,1)).map(add2).collect() #錯(cuò)誤，因?yàn)檩斎胫挥幸粋€(gè)，卻有兩個(gè)形參

當(dāng)RDD是PairRDD時(shí)，map中可以寫lambda表達(dá)式和傳入一個(gè)函數(shù)。

a、寫lambda表達(dá)式：

可以通過(x1,x2,x3)來(lái)匹配獲取值；或者使用line獲取集合，然后從集合中獲取。

b、傳入函數(shù)

根據(jù)spark具體的transaction OR action 操作來(lái)確定自定義函數(shù)參數(shù)的個(gè)數(shù)，此例子中只有一個(gè)參數(shù)，從形參（集合類型）中獲取相應(yīng)位置的數(shù)據(jù)。

python查看timer定時(shí)任務(wù)已開啟

python查看timer定時(shí)任務(wù)已開啟 的操作方法：Timer定時(shí)任務(wù)

下面是Timer函數(shù)的官方doc介紹信息

"""

Call a function after a specified number of seconds:

t = Timer(30.0, f, args=None, kwargs=None)

t.start()

t.cancel() # stop the timer's action if it's still waiting

"""

第一個(gè)參數(shù)時(shí)指定多長(zhǎng)時(shí)間之后執(zhí)行這個(gè)函數(shù)，第二個(gè)參數(shù)時(shí)調(diào)用的函數(shù)名，

后面兩個(gè)是可選函數(shù)，作為傳遞函數(shù)需要使用的參數(shù)，可以傳遞普通的參數(shù)和字典

t.start() 啟動(dòng)這個(gè)定時(shí)任務(wù)，也可以使用t.cancel()在一定的條件來(lái)停止這個(gè)定時(shí)任務(wù)，

下面這行代碼表示十秒鐘后調(diào)用一次views_count這個(gè)函數(shù)

Timer(10, views_count).start()

利用Python進(jìn)行數(shù)據(jù)分析(12)-高階應(yīng)用transform

本文中詳解介紹了 pandas 中 transform() 方法的使用

Accepted combinations are:

{0 or ‘index’, 1 or ‘columns’}, default 0 If 0 or ‘index’: apply function to each column. If 1 or ‘columns’: apply function to each row.

Positional arguments to pass to func.

Keyword arguments to pass to func.

A DataFrame that must have the same length as self.

If the returned DataFrame has a different length than self.

transform方法通常是和groupby方法一起連用的

每個(gè)位置被均值取代

內(nèi)建的聚合函數(shù)直接傳遞別名，max\min\sum\mean

向tranform中直接傳遞函數(shù)

在這個(gè)網(wǎng)站上有一個(gè)完整的實(shí)例，解釋了transform方法的使用

You can see in the data that the file contains 3 different orders (10001, 10005 and 10006) and that each order consists has multiple products (aka skus).

The question we would like to answer is: “What percentage of the order total does each sku represent?”

For example, if we look at order 10001 with a total of $576.12, the break down would be:

求出不同商品在所在訂單的價(jià)錢占比

先求出一列占比的值，再和原始數(shù)據(jù)進(jìn)行合并merge

Transform + groupby連用：先分組再求和

分享名稱：python傳遞函數(shù) python值傳遞
當(dāng)前鏈接：http://chinadenli.net/article10/dodiggo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、網(wǎng)站排名、面包屑導(dǎo)航、定制開發(fā)、網(wǎng)站收錄、微信公眾號(hào)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)