VMware Workstation Pro个人使用免费了!带你通过博通官网下载最新安装包

VMware Workstation Pro(17.6.3)最新下载地址 众所周知,现在VMware被博通(broadcom)收购且宣布了17.5版本的VMware Workstation Pro对个人用户免费许可使用。由于现在官网的下载方式有改变,故贴出来一下,给广大用户一个便利的方式,省得到处找下载地址了。就是最后在要求输入许可证的时候,多了一个可以选择个人用户免费使用的选项(以前老版本没有这个选项),选择这个选项即可。2.1)下载的时候需要输入地址等其他信息必填项什么的,可随便填即可,这个没有影响。5.下载过的,在顶部有个下载的按钮,那里有下载记录。需要有一个博通的账号。 阅读详情
AI摘要

博通收购VMware后,VMware Workstation Pro对个人用户开放免费使用17.5.2及后续版本,商业用户仍需购买许可,且停止了Workstation Player更新。本文介绍了从博通官网下载该软件的具体步骤,包括登录、搜索、选择系统版本等。

前言

在博通收购VMware之后,VMware Workstation Pro 现在对个人用户开放了免费使用权限,个人用户可以免费使用17.5.2以及之后的版本,但商业用户仍需购买正式许可。
同时,VMware还停止了功能较少的免费的 Workstation Player 更新,个人用户可以直接使用或者升级到功能更全面的Pro版本。

官网下载方式

在浏览器中搜索“博通”或者直接点击以下链接进入博通官网。
https://www.broadcom.cn
在这里插入图片描述
进入以后,先点击右上角的support portal再点击got to portal会进入一个登录界面。

在这里插入图片描述
在用户名栏输入已经注册的邮箱,点击“Next”后再输入密码,登录成功后会进入Home页。
在这里插入图片描述
没有账号可以点击旁边的“注册”按钮来注册一个账号。
注册界面
登录成功后,在跳转后的页面点击Software,在二级菜单中找到VMware Cloud Foundation,点击My Downloads进入下载界面。
在这里插入图片描述
在My Downloads界面中的搜索框输入“Pro”,选择VMware Workstation Pro。
在这里插入图片描述
个人用户在下载时需要选择带有for Personal Use字样的对应的Windows或Linux操作系统版本。
在这里插入图片描述
在这里插入图片描述
在初次下载之前可能需要填写一些地址信息,随便填上一些信息即可。

下载安装启动 VMware 个人免费版本 如果本身是要在 Windows 系统安装 VMware ,那找到 VMware Workstation Pro for PC 点击 DOWNLOAD NOW ;如果本身是要在 Mac 系统安装 VMware ,那找到 VMware Fusion Pro for Mac 点击 DOWNLOAD NOW 。 阅读详情

相关推荐

VMware 官宣 彻底免费:虚拟化新时代来临!

VMware 此次“彻底免费”的决策,不仅是对用户的一次慷慨回馈,更是虚拟化技术走向大众化的重要里程碑。在 AI、云原生、边缘计算蓬勃发展的今天,一个强大、稳定、易用的本地虚拟化平台,将成为每位开发者不可或缺的“数字实验室”。你准备好迎接这个免费的虚拟化新时代了吗?

weixin_44058951的博客 1431

VMware Workstation Pro个人免费版(无需秘钥)最新下载教程【成功版】

在下载VMware发现点击下载会跳转到一个注册界面,是由于在2024 年 5 月 6 日之后,VMware被博通收购后个人版使用免费了,商业版用途还需要秘钥,目前下载VMware必须要先注册一个博通账号。)下进行产品查找,选择software->VMware Cloud Foundation 点击+后,选择My Download。3.根据电脑类型选择版本,选用英文版本,注意一定要选择person use。4.点击下载的按钮即可,填写信息,注意勾选agree。2.注意一定是在这个网址(

qq_60582586的博客 1万+

【保姆级】博通收购后VMware Workstation/Fusion免费下载安装全流程(个人/商业通用)

2024年5月博通收购VMware后,正式推出免费版Workstation Pro与Fusion Pro,支持个人及商业用户永久免费使用全功能版本。本文详述从注册博通账号、下载最新版(17.5.2+/13.5.2+)到安装激活的全流程,涵盖Windows/Linux/macOS系统适配,并重点指导M系列芯片用户正确下载Windows 11 ARM64镜像,避免常见陷阱,确保零成本高效部署专业虚拟化环境。

Echo_Vale的博客 2146

VM ware Player(官方提供的免费个人版)虚拟机下载以及配置虚拟机全流程(以linux为例)

本文章为VM虚拟机个人免费版安装以及linux系统配置全流程

qq_53873381的博客 15万+

VMware workstation 下载安装教程

摘要:VMware Workstation是一款功能强大的桌面虚拟化软件,最新17.6.4版本现可免费使用(包括商业用途)。核心功能包括多系统支持、虚拟网络配置、快照管理和数据加密。被博通收购后,下载方式变更至博通官网,但通过特定链接可免登录获取所有版本。最新版本修复了Linux崩溃、Win11卡死等问题,优化了稳定性。这一免费开放举措显著降低了虚拟化技术使用门槛,为开发者、企业和教育机构带来便利。

2302_81108167的博客 1617

免费的vmware player和收费的vmware pro的区别

player是不收费的,pro是要收费的,下载界面在这里:

4116

VMware workstation Pro 17 官网下载教程/安装包

VMware workstation Pro 17的官网下载实在是太太太令人无语了,查了很多资料基本都走到最后几步发现跳转链接失效了(大概是官网更新导致的吧,路径变了),怒找半个小时,终于是,给大家写个操作手册吧,有需要的正好给大家提供个便利~这个是VMware的官网链接,然而并没有什么卵用,想单纯看看官网长啥样的,可以瞅一眼。

Mimo_YY的博客 1万+

虚拟化(Vmware系列)&双系统系列:个人免费版VMware Workstation Pro现在要这样下载 && VMware Workstation Pro下载地址(点击即下载)

个人免费版VMware Workstation Pro现在要这样下载 && VMware Workstation Pro下载地址(点击即下载)

weixin_54626591的博客 2613

最新版VMware Workstation Pro详细下载和安装教程

最新VMware虚拟机特别详细下载和安装教程,学会后不求人

2401_84229613的博客 4万+

告别NEDC!手把手教你将CLTC/WLTP等最新工况文件导入AVL Cruise(附资源包)

本文详细指导如何将CLTC、WLTP等最新工况文件导入AVL Cruise软件,替代传统的NEDC工况。从资源获取、文件预处理到分步导入指南,再到常见问题排查,帮助工程师高效完成汽车仿真性能评估。附赠全球主流工况文件资源包,助力精准仿真分析。

weixin_30374009的博客 462

流量特征工程实战:基于Python脚本的CIC-FlowMeter批量自动化处理

本文详细介绍了如何利用Python脚本对CIC-FlowMeter工具进行批量自动化封装,实现从海量PCAP文件中高效提取流量特征并生成CSV文件。通过构建健壮的自动化流水线,解决了手动处理效率低下、易出错的问题,并分享了并行处理、错误处理等关键优化技巧,助力网络流量分析与机器学习数据预处理工作。

c6d7e8f9g的博客 746

vmware workstation pro 安装

你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:撤销:Ctrl/Command + Z 重做:Ctrl/Command + Y 加粗:Ctrl/Command + B 斜体:Ctrl/Command + I 标题:Ctrl/Command + S

weige2980的博客 2425

FPGA之道(22)VHDL基本程序框架

在介绍详细的VHDL语法之前,让我们先来了解一下VHDL代码的基本程序框架,这样可以让我们先对VHDL程序设计有一个整体的概念把握,进而在后续的VHDL语法学习中做到有的放矢。

Reborn Lee 8309

大学基础——VMware Workstation Pro基础使用篇

本文介绍了VMware Workstation的安装使用指南,适合需要使用虚拟机的大学生。主要内容包括:1. VMware被博通收购后已免费,无需序列号;2. 详细讲解了从博通官网下载正版安装包的完整流程;3. 提供了安装过程中的注意事项,特别是路径设置和驱动文件查找;4. 对比了新旧版本的变化,并给出了多种下载渠道。文章特别强调安装路径应使用英文,以避免权限问题,并分享了安装过程中虚拟网络驱动问题的解决方法。

空的博客 2679

SWAT模型参数太多搞不定?一篇讲清如何用SWAT-CUP筛选关键敏感参数(含结果图解读)

本文详细解析了如何使用SWAT-CUP进行参数敏感性分析,帮助水文模型初学者从上百个参数中筛选出关键敏感参数。通过实际案例和结果图解读,介绍了敏感性分析的核心价值、SWAT-CUP结果界面解读方法以及参数筛选的四步实战法,显著提升模型调试效率。文章还提供了典型问题排查手册,解决敏感参数与文献不一致、率定后模型变差等常见问题。

weixin_30385925的博客 322

IC验证 AHB-RAM 项目(二)——接口与事务代码的编写

本文介绍了准备工作及接口、事务相关代码编写要点。在接口部分,重点说明了lvc_ahb_if.sv、rkv_ahbram_if.sv和rkv_ahbram_tb.sv三个关键文件的功能,其中rkv_ahbram_if.sv通过动态任务实现复位信号控制。事务部分则涉及lvc_ahb_types.sv中的枚举类型定义和lvc_ahb_transaction.sv中的随机化变量设置,用于构建AHB传输激励。整个验证环境采用模块化设计,通过接口实现TB与DUT的通信,为后续验证工作奠定基础。

weixin_45926435的博客 407

VMware 官宣面向个人免费,2024年最新官方安装教程

mac,VMware虚拟机安装,Fusion Pro 免费安装

Hugh_1992的博客 1万+

使用Typora时LaTeX内联公式简单汇总

0、前言 在使用Typora写笔记时,有时候需要添加上LaTeX排版的公式。以下是整理出的一份简单笔记,方便记忆不清楚时查阅。笔记暂时不够完善,之后再补充。 注:有些公式语法KateX不能解析,但在Typora中可以使用(不用在意) 1、一些基本内联公式 位置关系 展示 LaTeX 说明 x2x^{2}x2 x^{2} 右上标 x2x_{2}x2​ x_{2} 右下标 2x{}^{2}x2x {}^{2}x 左上标 2x{}_{2}x2​x {}_{2}x 左下标

白白旧维的博客 4446

VMware Workstation Pro17(Windows系统)安装教程

自定义安装地址,默认安装在C盘,当然可以更改安装地址,我这里选择下载到自己的存放我各类工具的D盘,同时需要创建一个新的文件夹方便管理,勾选"将控制台工具添加到系统PATH",点击下一步。

buyutang_的博客 2120

从 SAP HANA 到 ABAP Cloud:彻底讲透 scalar function 的定位、实现方式与 Clean Core 实践

SAP项目中,scalar function是数据库层的重要计算单元,用于封装可复用的单值逻辑。不同于返回结果集的table function,它直接嵌入SQL表达式,适用于折扣率计算、数据标准化等场景。在SAP技术栈中,scalar function有三种形态:原生SQLScript函数、AMDP托管函数和CDS绑定函数。正确使用可提升查询性能,但需注意与procedure、table function的边界区分。AMDP scalar function是ABAP项目中的推荐实现方式,能确保函数生命周期受

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1723

【3天快速入门WPF】8-数据绑定基础

以下是一个简单的 WPF 数据绑定示例,使用两个TextBox控件分别表示Name和Age来进行进行数据绑定试验。运行程序后,你会看到初始界面中TextBox 中显示初始名字 “张三”,TextBox 中显示初始年龄 “25”。在 XAML 中创建一个简单的界面,包含一个 TextBox 用于输入名字,一个 TextBox 用于显示年龄。当你在 TextBox 中修改名字时,Person 对象的 Name 属性会被自动更新,反之亦然。它的主要作用是为控件及其子控件提供一个默认的数据源,用于数据绑定。

Zy100Papa的博客 971

Win11 中安装 VMware Workstation Pro 的详细步骤【官方免费版】

安装 / 升级 VMware Workstation Pro 的版本为 17.6;解决 VMware Workstation Pro 和 Win11 家庭版之间不兼容的问题。

积累,沉淀,温故而知新 9998

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

2024最新VMware Workstation Pro下载教程

现在下载都需到博通注册对应的账号。登录后会跳转到博通的管理中心。自从2024年5月份之后,就不能直接在vm官网下载。登录邮箱输入对应的验证码。5. 个人使用选择个人版。

youxiaxiaomage的博客 8335

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

最新超详细!手把手的虚拟机VMware Workstation Pro下载及安装教程

家里刚添置了一台新电脑,众多环境需要重新进行配置。正好借此机会记录一些软件安装以及环境部署的过程,一方面方便自己后面查阅,另一方面也供大家参考,给大家在环境配置过程中减少一些不必要的麻烦。本文主要针对虚拟机VMware Workstation Pro的下载及安装步骤进行介绍,在一开始会简要地介绍一下我了解到的VMware相关背景,废话不多说,下面是正文~~

xiaocao__2015的博客 4297

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

VMware Workstation Pro 免费后如何下载(官网图文指引)

也是是说从2024年11月11日起,VMware Workstation Pro 的免费政策全面生效,用户无需支付任何费用即可使用!

weixin_45829206的博客 1985

VMware Workstation Pro 面向个人免费了

登录后打开官网:https://support.broadcom.com,选择右上角的 VMware Cloud Foundation,然后点击 My Download。在总多产品里面找,Windows 和 Linux 系统的找 VMware Workstation Pro,MAC 的找 VMware Fusion。博通收购 VMware Workstation Pro 后,五月中旬面向个人免费了,赶紧下载一个。不能通过原来的方式下载了,在原来的vmware网站是下载不了的。安装过程就正常就行。

鱼爻 2915
上一篇: C++使用SQLite产生中文乱码的解决方法
「已注销」
博客等级 码龄5年 405粉丝 7原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值