开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

尝试使用间谍数据训练简单LSTM后出错

LSTM（Long Short-Term Memory）是一种循环神经网络（RNN）的变体，用于处理序列数据，特别是在自然语言处理和时间序列预测等任务中表现出色。LSTM通过使用门控机制来解决传统RNN中的梯度消失和梯度爆炸问题，从而能够更好地捕捉长期依赖关系。

在使用间谍数据训练简单LSTM时出错可能有多种原因。以下是一些可能导致错误的原因和相应的解决方法：

数据质量问题：检查数据集中是否存在缺失值、异常值或错误标注。可以进行数据清洗和预处理，例如填充缺失值、移除异常值或重新标注错误样本。
数据量不足：LSTM通常需要大量的数据进行训练，以便有效地学习模式和规律。如果数据量较小，可以考虑使用数据增强技术（如旋转、翻转、缩放等）来扩充数据集，或者使用迁移学习技术从预训练的模型中进行微调。
模型参数选择不当：LSTM有多个超参数需要调整，如隐藏层大小、学习率、迭代次数等。可以尝试使用交叉验证或网格搜索等技术来选择最佳的参数组合。
梯度消失或梯度爆炸：LSTM中的门控机制可以一定程度上缓解梯度消失和梯度爆炸问题，但仍可能出现。可以尝试使用梯度裁剪、正则化技术（如L1或L2正则化）或使用其他的门控循环单元（如GRU）来解决这个问题。
模型复杂度不合适：如果模型过于简单或过于复杂，都可能导致训练错误。可以尝试增加模型的层数或单元数，或者减少模型的复杂度，以找到一个合适的平衡点。

腾讯云提供了一系列与云计算相关的产品和服务，包括云服务器、云数据库、人工智能、物联网等。具体推荐的产品和产品介绍链接地址可以根据具体需求和场景来选择，以下是一些常用的腾讯云产品：

云服务器（CVM）：提供弹性计算能力，支持多种操作系统和应用场景。产品介绍链接：https://cloud.tencent.com/product/cvm
云数据库MySQL版（CDB）：提供高可用、可扩展的关系型数据库服务。产品介绍链接：https://cloud.tencent.com/product/cdb_mysql
人工智能平台（AI Lab）：提供丰富的人工智能算法和模型，支持图像识别、语音识别、自然语言处理等任务。产品介绍链接：https://cloud.tencent.com/product/ailab
物联网套件（IoT Hub）：提供物联网设备接入、数据管理和应用开发的一站式解决方案。产品介绍链接：https://cloud.tencent.com/product/iothub

请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。

相关搜索:尝试使用窗口化数据集训练LSTM模型时出错如何在使用时间序列数据集训练LSTM模型后预测未来数据或未知范围的数据？在nlp中训练数据，以便使用LSTM提取技能，但训练和验证精度未达到预期尝试在表后使用simple_form时出错尝试使用Tensorflow加载MNIST数据时出错尝试使用R提取Spotify数据时出错尝试训练数据时使用pytorch进行大小不匹配尝试使用BigQuery选择事件数据时出错尝试使用localStorage调回保存的数据时出错尝试使用Marak/faker.js导入数据时出错尝试使用reactJS将数据保存到firebase时出错尝试使用Express将数据插入MySql数据库时出错尝试使用ExecuteScalar<object>从表中检索数据时出错？尝试使用EditText向数据库添加值时出错尝试使用pandas数据框将数据追加到BigQuery表时出错如何在进行一些训练后使用countVectorizer测试新数据使用php将简单表单发送到数据库时出错尝试在Google IMPORTXML函数上使用XPath获取数据时出错尝试使用Keras模型中的新数据进行预测时出错尝试使用mpf.plot绘制数据帧后出现TypeError

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

深度学习的调参经验

确保要有高质量的输入/输出数据集，这个数据集要足够大、具有代表性以及拥有相对清楚的标签。缺乏数据集是很难成功的。

02

13个Tensorflow实践案例，深度学习没有想象中那么难

关于深度学习，每个人都有自己的看法。有人说就是炼丹，得个准确率召回率什么的，拿到实际中，问问为什么，都答不上来。各种连代码都没写过的人，也纷纷表示这东西就是小孩堆积木，然后整个大功耗的服务器跑上几天，调调参数。然后每个实验室招生，都说自己是做什么深度学习，机器学习，大数据分析的，以此来吸引学生。可是可是，他们实验室很可能连一块 GPU 都没有。对于像我这样的渣渣来说，深度学习的乐趣不在于推导那么几个公式，而在于你在做情感分析的时候，RMSE小了，准确率高了；你在做机器翻译的时候，英文句子准确地变成了地地

机器学习的网络罪犯

AiTechYun 编辑：nanan 📷 机器学习正遭受来自网络安全方面的困扰。而最近的调查结果显示了网络犯罪分子如何利用机器学习来使攻击变得更好、更快。本文的目的是对恶意网络空间中机器学习部署或现实方法的信息进行系统化。它的目的是帮助信息安全团队成员为即将发生的威胁做准备。网络罪犯的任务所有网络罪犯可以通过从初始信息收集到系统妥协的机器学习辅助任务，可以分为以下几类: – 收集信息—准备攻击; – 假冒—试图模仿一个知己; – 未经授权的访问—绕过对某些资源或用户帐户的访问权限; – 攻击—执行实际

09

13个Tensorflow实践案例，教你入门到进阶

关于深度学习，每个人都有自己的看法。有人说就是炼丹，得个准确率召回率什么的，拿到实际中，问问为什么，都答不上来。各种连代码都没写过的人，也纷纷表示这东西就是小孩堆积木，然后整个大功耗的服务器跑上几天，调调参数。然后每个实验室招生，都说自己是做什么深度学习，机器学习，大数据分析的，以此来吸引学生。可是可是，他们实验室很可能连一块 GPU 都没有。小时候，我把两个5号电池连在一块，然后用导线把正负极连起来，在正极的地方接个小灯泡，然后灯泡就亮了，这时候我就会高兴的不行。家里的电风扇坏了，把风扇拆开后发现里边

【安全】机器学习的网络罪犯

机器学习正遭受来自网络安全方面的困扰。而最近的调查结果显示了网络犯罪分子如何利用机器学习来使攻击变得更好、更快。本文的目的是对恶意网络空间中机器学习部署或现实方法的信息进行系统化。它的目的是帮助信息

08

达观数据基于Deep Learning的中文分词尝试（下篇）

上周分享了本文上篇，现有分词、机器学习、深度学习库Keras技术知识，下篇将详细介绍达观数据使用深度学习的分词尝试。基于深度学习方式的分词尝试基于上面的知识，可以考虑使用深度学习的方法进行中文分词。分词的基础思想还是使用序列标注问题，将一个句子中的每个字标记成BEMS四种label。模型整的输入是字符序列，输出是一个标注序列，因此这是一个标准的sequence to sequence问题。因为一个句子中每个字的上下文对这个字的label类型影响很大，因此考虑使用RNN模型来解决。环境介绍测试硬件

开发 | AI股市预测实战：用LSTM神经网络预测沪深300未来五日收益率

LSTM Networks（长短期记忆神经网络）简介 LSTM Networks 是递归神经网络（RNNs）的一种，该算法由 Sepp Hochreiter 和 Jurgen Schmidhuber 在 Neural Computation 上首次公布。后经过人们的不断改进，LSTM 的内部结构逐渐变得完善起来（图 1）。在处理和预测时间序列相关的数据时会比一般的 RNNs 表现的更好。目前，LSTM Networks 已经被广泛应用在机器人控制、文本识别及预测、语音识别、蛋白质同源检测等领域。基

05

我们分析了超过50万首诗歌，教你用代码写诗

本文为雷锋字幕组编译的技术博客，原标题To a Poem is a Bott the Stranger，作者 Carly Stambaugh。翻译 | 于泽平马雪洁整理 | 凡江编辑 | 吴璇代码即诗歌。这是WordPress软件的哲学。作为一位程序员和诗人，我一直很喜欢这句话。我决定换种方式思考这句话。我想问，我能用代码写诗吗？我可不可以做一个可以写出原创诗歌的机器人？为了找出方法，我做了一个实验。首先，我知道如果我的机器人想写诗，首先要让它读诗。2017年，许多作

07

AI股市预测实战：用LSTM神经网络预测沪深300未来五日收益率

摘要：BigQuant平台上的 StockRanker 算法在选股方面有不俗的表现，模型在 15、16 年的回测收益率也很高 (使用默认因子收益率就达到 170% 左右)。然而，StockRanker 在股灾时期回撤很大 (使用默认因子回撤 55%)，因此需要择时模型，控制 StockRanker 在大盘走势不好时的仓位。 LSTM(长短期记忆神经网络) 是一种善于处理和预测时间序列相关数据的 RNN。本文初步探究了 LSTM 在股票市场的应用，进而将 LSTM 对沪深 300 未来五日收益率的预测

06

教程 | 从零开始：如何使用LSTM预测汇率变化趋势

选自Stats and Bots 作者：Neelabh Pant 机器之心编译参与：刘晓坤、蒋思源在这篇文章中，我们将通过 LSTM 讨论时序预测模型，数据科学家 Neelabh Pant 也会为大家描述他利用循环神经网络预测货币兑换汇率的经验。作为一个在美国生活的印度人，Neelabh 和家乡之间存在恒定的金钱流动。如果在市场中，美元更加强势，则印度卢比相对贬值，因此从印度购买 1 美元需要更多的卢比。如果美元相对弱势，则购买 1 美元需要的卢比会更少。如果可以预测第二天的美元的价值，那么可以以此

09

RNN示例项目：详解使用RNN撰写专利摘要

我第一次尝试研究RNN时，我试图先学习LSTM和GRU之类的理论。在看了几天线性代数方程之后（头疼的要死），我在Python深度学习中发生了以下这段话：

01

深度学习：推动NLP领域发展的新引擎

文 / 雷欣，李理从2015年ACL会议的论文可以看出，目前NLP最流行的方法还是机器学习尤其是深度学习，所以本文会从深度神经网络的角度分析目前NLP研究的热点和未来的发展方向。我们主要关注Word Embedding、RNN/LSTM/CNN等主流的深度神经网络在NLP中的应用，这已经是目前主流的研究方向。此外，已经在机器学习或其它领域比较热门的方法，比如Multi-Model、Reasoning、Attention and Memory等，很有可能是未来NLP研究的热点，我们将着重关注。 Word

05

用机器学习实现IT服务票单的分配，实例详解分享

用认知计算处理现实生活中的业务是一件很有意义的事情，比如在IT服务管理领域。机器学习对处理现实案例中的分类与分配问题将会比人工更为有效，比如以下几种场景：

02

TensorFlow 和 Keras 应用开发入门：1~4 全

在本课程中，我们将介绍神经网络的基础知识以及如何建立深度学习编程环境。我们还将探讨神经网络的常见组件及其基本操作。我们将通过探索使用 TensorFlow 创建的训练有素的神经网络来结束本课程。

02

GPT-4肆虐「谁是卧底」桌游！交谈逼真，类人属性仍有发展空间

玩家中会有一位扮演「间谍」，所有玩家抽取一张牌，其中有一张间谍牌，剩余玩家抽到的都是相同的地点牌。

04

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化|附代码数据

本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测（点击文末“阅读原文”获取完整代码数据******** ）。

00

简简单单，用 LSTM 创造一个写诗机器人

AI 科技评论按：人们已经给神经网络找到了越来越多的事情做，比如画画和写诗，微软的小冰都已经出版了一本诗集了。而其实训练一个能写诗的神经网络并不难，Automattic 公司的数据科学家 Carly

07

谷歌语音转录背后的神经网络

【编者按】由于“记忆单元”的优势，LSTM RNNs已经应用于Google、百度、科大讯飞的语音处理之中。最近，Google在其技术博客中自述了使用LSTM模型取代GMM模型实现语音转录的过程。文章尚未披露训练模型的具体步骤，但介绍了数据源的解决、建模的思想，并对目前尚未解决的问题进行解析，如错认“噪音”和转录标点符号，对希望尝试LSTM的团队有借鉴意义。在过去的几年中，深度学习在世界计算机科学难题中表现出了卓越的成就，从图像分类、字幕添加到机器翻译，再到可视化模型技术。最近，我们宣布了在谷歌语音转录上使

04

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化|附代码数据

本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测

01

简简单单，用 LSTM 创造一个写诗机器人

AI 研习社：人们已经给神经网络找到了越来越多的事情做，比如画画和写诗，微软的小冰都已经出版了一本诗集了。而其实训练一个能写诗的神经网络并不难，Automattic 公司的数据科学家 Carly St

LSTM Networks在股票市场上的探究

LSTM Networks 简介 LSTM Networks是递归神经网络（RNNs）的一种，该算法由Sepp Hochreiter和Jurgen Schmidhuber在Neural Computation上首次公布。后经过人们的不断改进，LSTM的内部结构逐渐变得完善起来（图1）。在处理和预测时间序列相关的数据时会比一般的RNNs表现的更好。目前，LSTM Networks已经被广泛应用在机器人控制、文本识别及预测、语音识别、蛋白质同源检测等领域。基于LSTM Networks在这些方面的优异表现，

07

R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例|附代码数据

在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统（点击文末“阅读原文”获取完整代码数据******** ）。

02

TensorFlow中生成手写笔迹的Demo

这项操作现在在github上已经可以使用了。

07

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化|附代码数据

本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测（点击文末“阅读原文”获取完整代码数据******** ）。

00

用深度学习从非结构化文本中提取特定信息

这是与我们工作有关的一系列技术职务中的第一个。在iki项目中，涵盖了一些机器学习的应用案例和用于解决各种自然问题的深度学习技术的语言处理和理解问题。

03

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化

本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测。

03

7模型集成：细粒度用户评论情感分析冠军思路及源码

在本次比赛中，采用了自己开发的一个训练框架，来统一处理TensorFlow和PyTorch的模型。在模型代码应用方面，主要基于中国香港科技大学开源的RNet和MnemonicReader做了相应修改。在比赛后期，还加入了一个基于BERT的模型，从而提升了一些集成的效果。

04

Google研究员Ilya Sutskever：成功训练LDNN的13点建议

本文由Ilya Sutskever（Google研究员、深度学习泰斗Geoffrey Hinton的学生、DNNresearch的联合创始人）受Yisong Yue之邀所写，综合讲述了有关深度学习的见解及实用建议。文章由Yisong Yue授权《程序员》电子刊翻译，并刊载于《程序员》15·2B期。近年来IT界里掀起了一股深度学习热，有望成为下一个技术创新风口。在诸如语音识别、影像识别及其他语言相关的如机器翻译等领域里，深度学习业已取得了相当不错的成绩。为什么呢？深度学习究竟有何神通？（接下来在论述深度

06

【干货】基于pytorch的CNN、LSTM神经网络模型调参小结

Demo 这是最近两个月来的一个小总结，实现的demo已经上传github，里面包含了CNN、LSTM、BiLSTM、GRU以及CNN与LSTM、BiLSTM的结合还有多层多通道CNN、LSTM、BiLSTM等多个神经网络模型的的实现。这篇文章总结一下最近一段时间遇到的问题、处理方法和相关策略，以及经验（其实并没有什么经验）等，白菜一枚。 Demo Site: https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch

07

LSTM 08：超详细LSTM调参指南

LSTM 01：理解LSTM网络及训练方法 LSTM 02：如何为LSTM准备数据 LSTM 03：如何使用Keras编写LSTM LSTM 04：4种序列预测模型及Keras实现 LSTM 05：Keras实现多层LSTM进行序列预测 LSTM 06：Keras实现CNN-LSTM模型 LSTM 07：Keras实现Encoder-Decoder LSTM LSTM 08：超详细LSTM调参指南

05

CNN，RNN，LSTM都是什么？

CNN 是一种前馈神经网络，通常由一个或多个卷积层（Convolutional Layer）和全连接层（Fully Connected Layer，对应经典的 NN）组成，此外也会包括池化层（Pooling Layer）。

06

DNN/LSTM/Text-CNN情感分类实战与分析

最近把2014年Yoon Kim的《Convolutional Neural Networks for Sentence Classification》看了下，不得不说虽然Text-CNN思路比较简单，但确实能够在Sentence Classification上取得很好的效果。另外，之前@霍华德大神提了这个问题，链接如下：

03

【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享|附代码数据

在本文中，长短期记忆网络——通常称为“LSTM”——是一种特殊的RNN递归神经网络，能够学习长期依赖关系。最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。

02

R语言基于递归神经网络RNN的温度时间序列预测

在本文中，我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。我们演示有关温度预测问题的三个概念，我们使用建筑物屋顶上的传感器的时间数据序列。

02

【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享|附代码数据

在本文中，长短期记忆网络——通常称为“LSTM”——是一种特殊的RNN递归神经网络，能够学习长期依赖关系

00

短视频分类进化：从 LR 到 LSTM

本文介绍了基于LSTM的短视频分类方法，包括数据预处理、特征提取、模型训练和结果分析等步骤。实验结果表明，该方法在短视频分类中取得了较好的效果，能够准确识别不同的短视频类别。

01

【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享|附代码数据

在本文中，长短期记忆网络——通常称为“LSTM”——是一种特殊的RNN递归神经网络，能够学习长期依赖关系

00

手把手：教你如何用深度学习模型预测加密货币价格

大数据文摘作品编译：张南星、王梦泽、元元、Yawei Xia 如果要评选2017三大流行金酸梅奖，毫无疑问，获奖的肯定是指尖陀螺、人工智能以及加密货币。加密货币是一项颠覆性的技术，它背后的原理引人注目，我十分看好它未来的发展。实际上，我并没有持有任何加密货币，但说起凭借深度学习、机器学习以及人工智能成功预测加密货币的价格，我觉得自己还算是个老司机。一开始，我认为把深度学习和加密货币结合在一起研究是个非常新颖独特的想法，但是当我在准备这篇文章时，我发现了一篇类似的文章。那篇文章只谈到比特币。我在这篇文章

01

直播 | 如何让对抗网络GAN生成更高质量的文本？LeakGAN现身说法：“对抗中，你可能需要一个间谍！”（今晚8点直播）

AI科技评论按：自生成式对抗性网络 GANs 出现以来，它和它的变体已经无数次在图像生成任务中证明了自己的有效性，也不断地吸引着越来越多的研究人员加入到提高GANs训练的可控性和稳定性的研究中。最初，由于其中的一个缺陷，GANs在文本生成方面无法得到有效的应用。得益于该团队之前发表的SeqGAN（https://arxiv.org/abs/1609.05473），GANs在文本生成上有了可能，不过表现并没有图像生成任务中那么突出。主要问题之一就是，生成器 G 从鉴别器 D 获得的反馈中含有的信息量太少，不

09

如何用LSTM自编码器进行极端事件预测？（含Python实现）

原标题 | Extreme Event Forecasting with LSTM Autoencoders

06

【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享|附代码数据

在本文中，长短期记忆网络——通常称为“LSTM”——是一种特殊的RNN递归神经网络，能够学习长期依赖关系

01

揭秘 DeepMind 的关系推理网络

来源 | hackernoon 编译 | 孙薇每当 DeepMind 发表一篇新文章时，媒体都会有狂热的报道，而你常常会在这些报道中读到一些充满误导性的词句。例如，有充满未来主义色彩的媒体是这样报道 DeepMind 关于关系推理网络的新论文的： DeepMind 研发了一种可以感知周围事物的神经网络。这样的表达不仅是误导，也使得对于人工智能领域并不是那么熟悉的用户感受到威胁。在这篇文章中，笔者整理了 DeepMind 的新论文，尝试用简单的方式来解释这个新的架构。你可以在这里（https://arx

03

你是一个成熟的AI了，应该自己学会补全Python代码了

根据介绍，该项目基于 LSTM 模型，训练后，负责对代码的缺失部分进行补全。评价模型的方法是判断节省了多少的按键信息——即模型给出长度为 L 的代码建议，如果和真实的代码匹配，则节省 L - 1 个键入操作。实验结果说明，大约有 30%-50% 的键入成本可以节省下来。

00

你的神经网络不起作用的37个理由

有一个网络已经训练了12个小时。一切看起来都很好：梯度是逐渐变化的，损失在减少。但接下来的预测：都是零，所有的图像背景都没有被检测到。“我做错了什么？”——我问我的电脑，但它没有回答我。

00

使用CNN，RNN和HAN进行文本分类的对比报告

你好，世界！！我最近加入Jatana.ai 担任NLP研究员（实习生and），并被要求使用深度学习模型研究文本分类用例。在本文中，我将分享我的经验和学习，同时尝试各种神经网络架构。我将介绍3种主要算法，例如：

01

经验分享 | 解决NN不work的37个方法

和这篇文章的作者一样，有时想到一个很棒的点子，辛苦写好代码，终于运行正常了，但是效果就是不咋地，不免懊恼地产生一种“难道我的点子不行？”的想法。真的是点子不行吗？未必，NN不work的原因有很多种，作者在这篇博客中根据自己的实践经验分享了很多宝贵的建议。

02

独家 | 你的神经网络不起作用的37个理由（附链接）

有一个网络已经训练了12个小时。一切看起来都很好：梯度是逐渐变化的，损失在减少。但接下来的预测：都是零，所有的图像背景都没有被检测到。“我做错了什么？”——我问我的电脑，但它没有回答我。

02

评测 | CNTK在Keras上表现如何？能实现比TensorFlow更好的深度学习吗？

选自MiniMaxir 作者：Max Woolf 机器之心编译参与：Jane W、吴攀 Keras 是由 François Chollet 维护的深度学习高级开源框架，它的底层基于构建生产级质量的深度学习模型所需的大量设置和矩阵代数。Keras API 的底层基于像 Theano 或谷歌的 TensorFlow 的较低级的深度学习框架。Keras 可以通过设置 flag 自由切换后端（backend）引擎 Theano/TensorFlow；而不需要更改前端代码。虽然谷歌的 TensorFlow 已广受

05

话题 | 如何看待谷歌最近开源的“最强NLP模型”BERT？

上周，谷歌AI团队开源了备受关注的“最强NLP模型”BERT的TensorFlow代码和预训练模型，不到一天时间，收获3000多星！

02

RNN增强—ACT（自适应计算次数）多因子选股模型

今天我们来读一篇来自国信证券研究文章 RNN简介 RNN 不同于传统神经网络的感知机的最大特征就是跟时间挂上钩，即包含了一个循环的网络，就是下一时间的结果不仅受下一时间的输入的影响，也受上一时间输出的影响，进一步地说就是信息具有持久的影响力。放在实际中也很容易理解，人们在看到新的信息的时候产生的看法或者判断，不仅仅是对当前信息的反应，先前的经验、思想的也是参与进去这次信息的推断的。人类的大脑不是一张白纸，是包含许多先验信息的，即思想的存在性、持久性是显然的。举个例子，你要对某电影中各个时点发生的事件类

07

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

活动推荐

运营活动

活动名称

广告关闭