文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在tf.contrib.layers中指定权重时，是否有constant_initializer的替代方案

在tf.contrib.layers中指定权重时，可以使用tf.initializers.constant来替代constant_initializer。

tf.initializers.constant是一个用于创建常量张量的初始化器。它接受一个常量值作为参数，并将该值应用于要初始化的张量。通过将tf.initializers.constant与tf.contrib.layers中的权重指定函数结合使用，可以实现类似constant_initializer的效果。

例如，可以使用以下代码指定权重的初始化方式：

代码语言：txt
复制
import tensorflow as tf

weight_init = tf.initializers.constant(0.1)
weights = tf.get_variable("weights", shape=[10, 10], initializer=weight_init)

在上述代码中，我们使用tf.initializers.constant创建了一个常量初始化器，并将其应用于名为weights的变量。这将使得weights变量的初始值为0.1。

推荐的腾讯云相关产品和产品介绍链接地址：

  • 腾讯云产品：云服务器（https://cloud.tencent.com/product/cvm）
  • 腾讯云产品：云数据库 MySQL 版（https://cloud.tencent.com/product/cdb_mysql）
  • 腾讯云产品：人工智能（https://cloud.tencent.com/product/ai）
  • 腾讯云产品：物联网（https://cloud.tencent.com/product/iotexplorer）
  • 腾讯云产品：云存储（https://cloud.tencent.com/product/cos）
  • 腾讯云产品：区块链（https://cloud.tencent.com/product/baas）
  • 腾讯云产品：云原生应用引擎（https://cloud.tencent.com/product/tke）
  • 腾讯云产品：音视频处理（https://cloud.tencent.com/product/mps）
  • 腾讯云产品：移动开发（https://cloud.tencent.com/product/mobdev）
  • 腾讯云产品：网络安全（https://cloud.tencent.com/product/saf）
  • 腾讯云产品：服务器运维（https://cloud.tencent.com/product/cdb_mysql）
  • 腾讯云产品：数据库（https://cloud.tencent.com/product/cdb_mysql）
  • 腾讯云产品：云计算（https://cloud.tencent.com/product/cvm）
  • 腾讯云产品：网络通信（https://cloud.tencent.com/product/cdn）
  • 腾讯云产品：多媒体处理（https://cloud.tencent.com/product/mps）
  • 腾讯云产品：元宇宙（https://cloud.tencent.com/product/vr）
  • 腾讯云产品：存储（https://cloud.tencent.com/product/cos）
  • 腾讯云产品：人工智能（https://cloud.tencent.com/product/ai）
  • 腾讯云产品：物联网（https://cloud.tencent.com/product/iotexplorer）
  • 腾讯云产品：移动开发（https://cloud.tencent.com/product/mobdev）
  • 腾讯云产品：区块链（https://cloud.tencent.com/product/baas）
  • 腾讯云产品：云原生应用引擎（https://cloud.tencent.com/product/tke）
  • 腾讯云产品：音视频处理（https://cloud.tencent.com/product/mps）
  • 腾讯云产品：网络安全（https://cloud.tencent.com/product/saf）
  • 腾讯云产品：服务器运维（https://cloud.tencent.com/product/cdb_mysql）
  • 腾讯云产品：数据库（https://cloud.tencent.com/product/cdb_mysql）
  • 腾讯云产品：云计算（https://cloud.tencent.com/product/cvm）
  • 腾讯云产品：网络通信（https://cloud.tencent.com/product/cdn）
  • 腾讯云产品：多媒体处理（https://cloud.tencent.com/product/mps）
  • 腾讯云产品：元宇宙（https://cloud.tencent.com/product/vr）
相关搜索:ASP.NET核心WebAPI中是否有批处理请求(MapHttpBatchRoute)的替代方案？Python:搜索项目是否在列表中的更快替代方案URI方案(例如git+ssh://)中是否有可接受的标准或分层协议的替代符号？在ANTLR4中显示“在输入‘<EOF>’时没有可行的替代方案”的错误消息很不错在C++中是否有atof的替代方案？在keras中训练时，如果a的形状和权重不同，则必须指定轴在nodejs中php的$_SERVER有什么替代方案？在objective C中解析JSON，是否有类似于Objective C中的swifty Json替代方案?如果没有，为什么？在redisearch中搜索时，我们可以指定不同的字段权重吗？在Spark中工作时``stringr::str_detect``的替代方案
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

深度学习_1_神经网络_1

神经网络 定义: ​ 在机器学习领域和认知科学领域,人工神经网络(artificial neural network) 简称ann或类神经网络,一种放生物 神经网络的结构和功能的计算模型,用于对函数进行估计或近似...​ 输入向量的维度和输入神经元的个数相同 ​ 每个链接都有权值 ​ 同一层神经元之间没有连接 ​ 有输入层,隐层,输出层组成 ​ 第N层与第N-1层的所有神经元链接,也叫全连接 ?...组成 ​ 结构(Architecture):神经网络中的权重,神经元等等 ​ 激活函数(Activity Rule) ​ 学习规则(Learning Rule)学习规则指定了网络中的权重如何随着时间的推移而调整...(底层一点) ​ tf.layers:主要提供高层的神经网络,主要和卷积线管的,对tf.nn的进一步封装(高级一点) ​ tf.contrib:tf.contrib.layers 提供够将计算图中的网络层...数值的列表，为1表示该样本预测正确，0错误 输入真实的结果（在本例中：每行是对应样本的一行ont_hot），和预测矩阵 每个样本的预测值 accuracy=tf.tf.reduce_mean(tf.cast

46520

深度模型的优化参数初始化策略

它们也有助于避免在每层线性成分的前向或反向传播中丢失信号------矩阵中更大的值在矩阵乘法中有更大的输出。如果初始权重太大，那么会在前向传播或反向传播中产生梯度爆炸的值。...只有在目标函数的似然项表达出对交互很强的偏好时，单元才会交互。此外，如果我们初始化参数 为很大的值，那么我们的先验指定了哪些单元应互相交互，以及它们应如何交互。...数值范围准则的一个缺点是，设置所有的初始权重具有有相同的标准差，例如 ，会使得层很大时每个单一权重会变得及其小。...Martens提出了一种被称为稀疏初始化(sparse initialization)的替代方案，每个初始化为恰好有k个非零权重。...幸运的是，其他参数的初始化通常更容易。设置偏置的方法必须和设置权重的方法协调。设置偏置为零通常在大多数权重初始化方案中是可行的。

2.1K30

SysML 2019论文解读：推理优化

如果读者感兴趣，也许可以查找一下是否有任何产品在其机器学习框架中使用了低于 8 位量化的方案（不管是训练还是推理）。...源图是指定义了可用作替代的可用子图的结构的图。 源图中的每个节点都关联了一种类型，并且仅可被映射到同种类型的算子，即卷积必须映射到卷积，仅有核、步幅、填充等参数的差异。...子图性能指标是用于确定 MetaFlow 能否提升 DNN 中单个子图的性能。实验中测试比较了不同的设备，以确定给定一个输入图时，MetaFlow 能否在不同设备上发现不同的优化图。...回溯搜索的实现方式使得算法可在宽松化图替代生成的搜索空间中自动找到经过优化的计算图。 最后，作者在 MetaFlow 中实现了该方法，这是一种用于 DNN 的宽松化图替代优化器。...鉴于学术界的大多数研究都着眼于网络准确度，所以这是一项很重要的研究。在现实世界应用中，硬件尺寸、功耗和速度等因素往往比准确度更重要，在探讨机器学习时我们应始终记得这一点。

95030

视觉Transformer中ReLU替代softmax，DeepMind新招让成本速降

下一步，使用这个注意力权重来计算输出 这篇论文探索了使用逐点式计算的方案来替代 ϕ。...ReLU 注意力 DeepMind 观察到，对于 1 式中的 ϕ = softmax， 是一个较好的替代方案。他们将使用 的注意力称为 ReLU 注意力。...在目前使用 softmax 注意力设计的 Transformer 中，有 ，这意味着 尽管这不太可能是一个必要条件，但 能确保在初始化时 的复杂度是 ，保留此条件可能会减少替换...序列长度扩展的效果 图 2 对比了序列长度扩展方法与其它多种替代 softmax 的逐点式方案的结果。...具体来说，在门控注意力单元中，会有一个额外的投影产生输出，该输出是在输出投影之前通过逐元素的乘法组合得到的。图 4 探究了门的存在是否可消除对序列长度扩展的需求。

42410

深度学习中的模型修剪

这通常与我们想要达到的稀疏程度（要修剪的权重百分比）结合在一起。 我们可以指定一个阈值，并且所有大小超过该阈值的权重都将被认为是重要的。该方案可以具有以下几种分类： i....修剪训练好的神经网络 现在，我们对所谓的重要权重有了相当的了解，我们可以讨论基于幅度的修剪。在基于幅度的修剪中，我们将权重大小视为修剪的标准。通过修剪，我们真正的意思是将不重要的权重归零。...注意： 必须指定修剪计划，以便在训练模型时实际修剪模型。我们还指定UpdatePruningStep回调，以使其在训练过程中处理修剪更新。...如果您是从经过训练的网络（例如网络A）中获得的修剪的网络，请考虑网络A的这些初始参数的大小。 当在具有预训练网络的迁移学习方案中执行基于量级的修剪时，我们如何确定权重的重要性？...作者还建议将其作为微调的替代方法。 这是一些令人兴奋的想法，主要围绕基于幅度的修剪而发展。在最后一节中，我们将看到一种比基于幅度的修剪效果更好的修剪方法，尤其是对于迁移学习机制而言。

1.1K20

深入了解NNIE量化技术

，在cpu上能够有2到3倍的速度提升，在DSP上能够有10倍左右的速度提升。...训练感知量化根据是否有样本数据和是否进行重新训练可分为动态离线量化、静态离线量化和量化感知训练。 动态离线训练无样本数据，对模型的参数在推理前预先进行量化，而模型层的激活值在预测的时候再决定量化。...示意图 对于权重量化，用户需要根据具体的训练环境在训练脚本里手动进行相应的修改（没有参考样例）。权重量化过程网络有一份原始的浮点权重，和一份量化后的定点权重。...时，输出的量化反量化后的数值个数为128个且不在增加，得到的结果如下： 正负两边的得到的数值有一个相同的数值0，合起来正好是256个。...例如，英伟达TensorRT 采用的是均匀量化的方案，海思采用的是指数量化方案，量化算法有较大差异，笔者使用nnieqat包进行量化训练在海思平台上能够恢复fp32的效果，在TensorRT上的部署效果没有提升

3.2K30

深入kubernetes调度之原理分析

有个特例：如果Pod中指定了NodeName属性，则Scheduler调度器无需参与，Pod会直接发送到NodeName指定的Node节点： ?...PS：此外还有个PodFitsPorts策略（计划停用），由PodFitsHostPorts替代 1.2 优选策略 同样，Priorites策略也在随着版本演进而丰富，v1.0版本仅支持3个策略，v1.7...支持10个策略，每项策略都有对应权重，最终根据权重计算节点总分，Kubernetes（v1.7）中可用的Priorites策略有： EqualPriority： 所有节点同样优先级，无实际效果 ImageLocalityPriority...，会优先调度pod到使用率最高的主机节点，这样在伸缩集群时，就会腾出空闲机器，从而进行停机处理。...尤其是在大型集群环境中，优秀的调度策略和算法，可以为业务提供稳定高效的运行时环境.

1.8K40

基于Python中random.sample()的替代方案

python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素，但在实践中发现，当N的值比较大的时候，该方法执行速度很慢，如： numpy random模块中的choice方法可以有效提升随机提取的效率...补充知识：Python: random模块的随即取样函数：choice()，choices()，sample() choice(seq): 从seq序列中（可以是列表，元组，字符串）随机取一个元素返回...），weights是相对权重值，population中有几个元素就要有相对应的weights值，cum_weights是累加权重值，例如，相对权重〔10, 5, 30，5〕相当于累积权重〔10, 15,...在内部，在进行选择之前，相对权重被转换为累积权重，因此提供累积权重节省了工作。返回一个列表。 sample(population, k)从population中取样，一次取k个，返回一个k长的列表。...可以像这样使用sample(range(10000000), k=60) 以上这篇基于Python中random.sample()的替代方案就是小编分享给大家的全部内容了，希望能给大家一个参考。

1.4K20

飞林沙：商品推荐算法&推荐解释

在这篇文章中，我分成两部分，我们先顺着作者的思路去理解，如果对数学不感兴趣就直接往下拉，最后我会说按我的理解中我们需要从作者这里吸取什么和我推荐的做法。...生成一张完整的产品图谱的作用有以下几个： 但是这里很重要，因为如果单纯用类别可以找到替代品，但是找不到互补品。 另外的一个问题还在于怎样生成替代品的推荐理由，应该是更好，而不是他们包含同一关键词。...所以我们讲产品问题转换成数学模型问题： 在模型层面： 是否我们可以使用产品数据建模，来表示出产品之间的关系 在产品理解层面： 我们是否可以解释为什么用户更喜欢某一个产品而不是其他的 问题建模： 作为一个二元分类问题...所以作者的解决方案是对训练的参数做了调整： 其实大家可以理解为参数又多了一个……..于是我们就可以在topic上形成了递进关系，过去我们只能说，他们都是移动硬盘，但是现在就可以在语言描述上说，这是比他更高端的移动硬盘... 使用买了也买的link关系训练topic model中不同维度的权重时，只训练同一子目录就够了，因为不同目录下的商品的topic之间其实没啥联系。

2.5K90

单源最短路径之Bellman-Ford算法

之前文章对于Dijkstra算法进行了讲解和实现，其实现的原理在于采用贪心算法，遍历N(结点数)次，每次找到局部最优的路径的结点u， 判断该节点可达的顶点v的权重是否大于结点u权重+u->v的权重，如果大于则替换顶点...在两个算法中，计算时每个边之间的估计距离值都比真实值大，并且被新找到路径的最小长度替代。...在重复的计算中，已计算得到正确的距离的边的数量不断增加，直到所有边都计算得到了正确的路径。...每一次遍历的松弛操作和Dijkstra算法类似，判断结点u权重是否大于 v->u的权重+v的权重。...与Dijkstra算法使用最短边向其他顶点扩展方案不同，在Bellman-Ford算法中松弛操作是针对边，其目的是对每一条边进行松弛， 这样总能使得边达到最小，如下图解，A为源点 A->C 2 D->

1.8K20

动态权重之多任务不平衡论文 (一)

出于完整性，在《不平衡问题: 深度神经网络训练之殇》一文中，已对不平衡问题进行总结。本文主要对动态权重在多任务学习不平衡问题中的应用论文进行解读。...二、研究动机 本文是多任务属性识别问题，以人脸属性数据集CelebA为例，定义好40个人脸属性，比如是否戴帽子、是否在微笑、是否高鼻梁等，输入数据为单张人脸图片，其标签为40种人脸属性label的组合。...我们的验证损失趋势算法背后的直觉是，在同时学习多个任务时，应该给“重要”任务赋予高权重以增加相应任务的损失规模。 尽管如此，直接衡量一项任务的重要性也很重要。...一般来说，在人脸属性分析任务，我们不可能预先指定每个任务的重要程度。作为替代方案，泛化能力被用作对一项任务“重要性”的客观衡量。...具体来说，当学习多个任务时，一个泛化能力较低的任务的训练模型应该比其他任务的模型设置更高的权重。一个学习模型的泛化能力可以通过验证集来衡量，验证集在训练过程中是未知的。

50530

机器学习 学习笔记（22） 深度模型中的优化

例如，使用负对数似然替代函数时，在训练集上的0-1损失达到0之后，测试集上的0-1损失还能持续下降很长一段时间。...时，梯度的病态会成为问题。判断病态是否不利于神经网络训练任务，我们可以检测平方梯度范数 ? 和 ? 。在很多情况中，梯度范数不会在训练过程中显著缩小，但是 ? 的增长会超过一个数量级。...在循环网络中很大的权重也可能导致混沌（对于输出中很小的扰动非常敏感，导致确定性前向传播过程表现随机）。在一定程度上，梯度爆炸问题可以通过梯度截断来缓解（指定梯度下降不走之前设置梯度的阈值）。...一种稀疏初始化的替代方案，每个单元初始化为恰好了k个非0权重，这个想法保持该单元输出的总数量独立于输入数目m，而不是单一权重元素的大小随m缩小。稀疏初始化有助于实现单元之间在初始化时更具多样性。...设置偏置的方法必须和设置权重的方法协调，设置偏置为0通常在大多数权重初始化方案中是可行的。

1.4K30

【深度干货】2017年深度学习优化算法研究亮点最新综述（附slide下载）

分别是第一和第二时刻的偏差和偏差校正估计，β1和β2是同时加入相同的权重衰减项之后，它们的衰减率。作者表示，这大大提高了Adam的泛化性能，并使Adam能与SGD在图像分类数据集上展开激烈竞争。...在每次重新启动时，学习速率被初始化为某个值，并且将减少。重要的是，重启是热重启，因为优化不是从头开始，而是从最后一个步骤中模型收敛的参数开始。...是在第i次运行期间的学习速率的范围， ? 指示自上次重新启动以来已经经过了多少个时期，并且 ? 指定了下一次重新开始的时期。与常规的学习速率退火方法相比， ? 和 ? 的热启动方案如图1所示。 ?...因此，快照集成依赖于余弦退火方案的能力，使得模型在每次重新启动后能够收敛到不同的局部最优值。作者证明，这在实践中是成立的，在CIFAR-10，CIFAR-100和SVHN上都取得了最好的结果。...虽然这些发现表明我们在深度学习优化方面仍然有许多不知道的，但重要的是要记住，收敛保证和存在于凸优化中的大量工作，在一定程度上现有的想法和见解也可以应用于非凸优化。

95450

详解分析 | ViT如何在医疗图像领域替代CNNs？

最近，vision transformers(ViTs)作为CNN的一个有竞争力的替代方法出现了，它具有差不多的性能，同时还具有一些有趣的特性，同时也已经被证明对医学成像任务有益。...一些研究表明，使用ImageNet进行医学图像分析的预训练CNN并不依赖于特征重用，而是由于更好的初始化和权重缩放。那么vision transformer是否能从这些技术中获益？...如果可以，就没有什么能阻止vit成为医学图像的主导架构。 在这项工作中，作者探索了vit是否可以替代CNNs，同时考虑到易用性、数据集限制以及计算限制，作者着眼于“即插即用”解决方案。...在医学图像中，正如之前在自然图像领域所说的那样，作者发现，在低数据模式下从零开始训练时，cnn优于vit。...令人惊讶的是，当使用监督ImageNet预训练权重初始化时，CNN和ViT性能之间的差距在医疗任务中消失了。

1K20

详解分析 | ViT如何在医疗图像领域替代CNNs？

最近，vision transformers(ViTs)作为CNN的一个有竞争力的替代方法出现了，它具有差不多的性能，同时还具有一些有趣的特性，同时也已经被证明对医学成像任务有益。...一些研究表明，使用ImageNet进行医学图像分析的预训练CNN并不依赖于特征重用，而是由于更好的初始化和权重缩放。那么vision transformer是否能从这些技术中获益？...如果可以，就没有什么能阻止vit成为医学图像的主导架构。 在这项工作中，作者探索了vit是否可以替代CNNs，同时考虑到易用性、数据集限制以及计算限制，作者着眼于“即插即用”解决方案。...在医学图像中，正如之前在自然图像领域所说的那样，作者发现，在低数据模式下从零开始训练时，cnn优于vit。...令人惊讶的是，当使用监督ImageNet预训练权重初始化时，CNN和ViT性能之间的差距在医疗任务中消失了。

63730

【译】2024 年的机器遗忘反学习

当服务提供商以结构化方式存储用户数据时，如谷歌以回应RTBF 请求从其索引中删除了一堆链接时，它也是非常可行的。 然而，RTBF 并不是真正以机器学习为目标提出的。...当我们积极研究如何使忘却在实践中起作用时，对于忘却的真正含义以及它是否是当前问题的正确解决方案进行一些哲学思考是有帮助的。 4.1....后者似乎是实践中正在实施的方法。 更广义地说，也可以有经济上的解决方案来替代取消学习以解决版权侵犯问题。...基于检索的人工智能系统 不学习的一个明显替代方案是根本不学习。...虽然有证据表明检索型解决方案可以竞争，但并没有普遍的共识认为仅靠检索就可以替代精细调整工作负载；事实上，它们可以是互补的。

7310

【推荐】飞林沙：商品推荐算法&推荐解释

我相信大部分同学之前一般的做法是这样子，先找到同一个类别，然后在同一个类别里做这样的事儿。 生成一张完整的产品图谱的作用有以下几个： ?...所以我们讲产品问题转换成数学模型问题： 在模型层面： 是否我们可以使用产品数据建模，来表示出产品之间的关系 在产品理解层面： 我们是否可以解释为什么用户更喜欢某一个产品而不是其他的 问题建模： 作为一个二元分类问题...这个优化的路子肯定是没问题的，但是这个优化方式的问题在于我们把生成topic这件事情本身和商品之间是否存在关系这两件事情给独立看待了，而只是在后来强行地加入了不同topic的权重参数以适应训练数据的需要...所以作者的解决方案是对训练的参数做了调整： ?... 使用买了也买的link关系训练topic model中不同维度的权重时，只训练同一子目录就够了，因为不同目录下的商品的topic之间其实没啥联系。

1.2K50

离散优化代替反向传播：Pedro Domingos提出深度学习新方向

此外，因为获取优化的先验知识是非常困难的，那么如果某层级的目标对于一个给定的网络架构是可行的，我们就可以有一个简单的替代方案。...该方案为层级 d 设置一个优化目标，然后优化前面层级已有的权重（即 j<=d 的层级权重）以检查该目标是不是可行。...因为在优化层级时的权重和设置其上游目标（即其输入）时的目标相同，我们称之为诱导可行性（induce feasibility），即一种设置目标值的自然方法，它会选择减少层级损失 Ld 的优化目标。...层级 d 的优化目标能够基于从递归和层级 d-1 的输出而获得的信息增益中得到更新。我们称这种递归算法为可行的目标传播（FTPROP）。该算法的伪代码已经展示在算法 1 中。...在 CIFAR 10 或 ImageNet 上进行符号、qReLU 和全精度激活函数训练时，各种网络的 Top-1 准确度。

1.2K60

TensorFlow Wide And Deep 模型详解与应用

相比于 ensemble learning 中单个模型进行独立训练，模型的融合仅在最终做预测阶段进行，joint training 中模型的融合是在训练阶段进行的，单个模型的权重更新会受到 wide 端和...weight_column_name 定义每个训练样本的权重。训练时每个训练样本的训练误差乘以该样本的权重然后用于权重更新梯度的计算。...如果需要为每个样本指定权重，input_fn 返回的 features 里需要包含一个以 weight_column_name 为列名的列，该列的长度为训练样本的数目，列中每个元素对应一个样本的权重，数据类型是...对指定的 embedding feature column 在计算梯度时乘以一个常数因子，调整梯度的变化速率。...在实际定义中，有且只定义其中一个参数。

3.4K30

五一假期，您可能忽略的最新研究进展：涉及大模型Agent、多模态、图神经网络、SLM等！

MLP替代方案:KAN https://arxiv.org/pdf/2404.19756 本文提出了一种有前景的多层感知器（MLP）的替代方案，称为 Kolmogorov-Arnold Networks...然而，MLP 在节点（神经元）上放置固定激活函数，KAN 则在边（权重）上放置可学习的激活函数。...该系统通过模拟角色之间的互动辩论，探讨语言在群体动态中的作用。模拟中引入了使用大模型的Verbal Strategist Agent，以增强角色的互动策略。...例如，在讨论人工智能对社会的影响时，参与者能够达成共识；在电影角色选拔中，演员愿意为了项目的成功作出牺牲。...在Spec-Bench基准测试中实现了高达1.7倍的速度提升，并且在参数数量上比Medusa-1模型少了88.7%。

25610
点击加载更多

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

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券