Jdk8的安装

无人机避障——4DMmvRadar三维点云坐标转换到无人机坐标系(三) 阅读详情

1.电脑上开始安装的是Jdk7,这里不再多述

2.新项目用Jdk8了,同样安装在C盘Java目录下。安装Jdk8过程中还新建了一个jre8文件夹。


3.此时还没有配置环境变量JAVA_HOME,却测试出


4.发现其实在安装Jdk8的时候,安装过程中会在系统变量Path的最前面加上了C:\ProgramData\Oracle\Java\javapath;

这是安装Jdk8的时候带出来的,并且在Path的最前面,所以无论修改注册表还是Java控制台都没有用,

执行的指令在系统变量中搜寻命令时最先找到的就是C:\ProgramData\Oracle\Java\javapath; 始终是Jdk8的。那么,

我们需要把Path最前面的C:\ProgramData\Oracle\Java\javapath;删除,这样才能对JAVA_HOME修改来切换需要的Jdk环境


5.删除C:\ProgramData\Oracle\Java\javapath;后再执行java -version


6.修改JAVA_HOME配置,改成Jdk8的


7.执行java -version


8.如果需要切换成Jdk7,修改JAVA_HOME配置即可



9.最后别忘了在Eclipse中添加Jdk8运行环境


10.还有tomcat的配置,及时切换成JRE8的环境


如果JRE没有切换过来的话,tomcat添加项目的时候会报错:




11.至于下面这篇文章说的C:\Windows\System32问题没有遇到

https://www.cnblogs.com/iathanasy/p/8507647.html




SerDes硬件设计原理介绍 接收端:外部差分串行数据------线性均衡器----(CDR从数据中恢复出采样时钟)-----解串器(串行信号转并行信号)-------8B/10B的解码器或解扰器-----FIFO-----FPGA接受差分并行数据。发送端: FPGA发送差分并行数据----FIFO------8B/10B编码器或者扰码器-----串行器(并行信号转串行信号)-----均衡器(滤波)--------TX串行信号差分外发。串行器:8bit的并行数据----2bit的并行数据----1bits的串行数据。 阅读详情

相关推荐

GPU运维基础知识

常见的GPU型号如NVIDIA Tesla系列(V100、A100)、GeForce RTX系列(3090、4090)和AMD Instinct系列(MI250X)。硬件监控工具包括NVIDIA的nvidia-smi和AMD的rocm-smi,用于实时监控GPU状态、温度、功耗和显存使用情况。NVIDIA和AMD是主流GPU供应商,NVIDIA的CUDA架构和AMD的ROCm生态是核心。GPU包含流处理器、显存、显存带宽等关键组件,不同型号的GPU在计算能力、显存容量和功耗上存在差异。

云原生运维的博客 768

JDK8安装与配置环境变量,全图文

JDK(Java Development Kit)是Java语言的软件开发工具包,主要用于移动设备、嵌入式设备上的Java应用程序。JDK是整个java开发的核心,它包含了JAVA的运行环境(JRE)和JAVA工具。没有JDK的话,无法编译Java程序(指java源码.java文件)。

我认不到你的博客 9311

京东云鼎环境配置与API安全接入实战:ISV服务商如何搞定数据加密与商家授权

本文详细介绍了京东云鼎环境配置与API安全接入的实战指南,帮助ISV服务商解决数据加密与商家授权等核心问题。通过京东开放平台的应用申请流程,结合多租户数据隔离策略和自动化授权实现,确保电商生态中的安全高效运营。文章还提供了避坑指南,助力开发者规避常见配置错误。

weixin_28705087的博客 353

安装jdk后,系统中会有两套jre的原因

     下午读了良葛格的《java深度历险》的第一章,忽然发现一个以前没怎么去关注的问题,就是当我们安装jdk后,系统中会产生两套jre。一个位于/jre底下,一个位于C:/Program File/Java 底下。     由于jdk中的例如javac.exe ,jar.exe等,都是使用java来编写的,所以我们在使用jdk的这些工具的时候,是需要jre来运行的。而c盘下面的jr

hot工作随笔 1027

怎么选?一文读懂12种SPC控制图,从基础到进阶,再到Python代码实现

本文系统介绍了12种常用SPC控制图的应用场景和特点,包括计量型(Xbar-R图、Xbar-s图、I-MR图等)、计数型(P图、NP图、U图等)及进阶控制图(EWMA图、CUSUM图、多元控制图)。文章强调控制图是SPC的核心工具,能有效区分过程变异类型,实现"预防优于检测"的质量管理目标。通过数据示例和Python代码展示了各类控制图的实现方法,为质量管理人员提供了实用参考。

m0_56592100的博客 4173

555定时器呼吸灯电路制作全攻略:从仿真到实物搭建(附避坑指南)

本文详细介绍了使用555定时器制作呼吸灯电路的完整流程,从基础原理到实物搭建,包括电路设计、元件选择、仿真验证、焊接技巧及调试优化。特别提供了避坑指南,帮助电子爱好者快速掌握这一经典DIY项目,实现美观的呼吸灯效果。

weixin_33734785的博客 405

【JDK切换】切换JDK版本

那么问题来了:在使用中如何在本地环境切换JDK使用呢?来引用副的jdk路径。

sh1307212321的博客 1479

Cadence仿真实战:从零构建高精度带隙基准电压源

本文是一份详细的Cadence仿真实战指南,指导读者从零开始构建高精度带隙基准电压源。文章首先解释了带隙基准电压源稳定输出电压的原理,然后逐步演示了在Cadence Virtuoso环境中如何搭建测试电路、测量关键温度系数、计算并搭建核心电路,并通过参数扫描和迭代调优来驯服温度漂移,最终实现低漂移的基准电压输出。

weixin_29207533的博客 245

多JDK环境安装及切换使用

虽然JDK8依然是主流生产力,但是JDK至今已发展到25版本,技术迭代之快,让许多框架或工具越来越支持高版本的JDK环境,如果想体验最新的技术,有时不得不安装高版本JDK环境。博主目前安装了JDK8,在此基础上,再安装JDK17,实现JDK8和JDK17环境在同一台电脑上,并且支持JDK环境来回切换,废话不多说,开搞!

暮辰777的博客 1159

ubuntu20.04搭建QGC4.2编译环境

QGC 4.2ubuntu18.04也可以编译QGC4.2,但是由于GLBC版本较低,无法使用最新版的QTCreator,Ubuntu20.04可以使用最新版QTCreator。

超维空间科技的博客 1万+

用群辉NAS打造影视墙(Jellyfin篇)

之前的文章提到过,用群辉NAS组建影视播放系统可以采用官方提供的Video Station套件,不过影视信息配比较差,响应速度也欠佳,今天我们就聊聊别的套件。在影音媒体方面,常见的还有Emby、Plex、Jellyfin。本文主讲Jellfin的原因是它胜在免费,而且功能比较齐全,完全够用。详细信息可以参考Jellyfin的官网:https://jellyfin.org/

dgnankai的专栏 7326

MacBook苹果电脑安装JDK8、JDK11、JDK17、JDK22教程,配置环境变量 + 快速切换JDK版本

MacBook苹果电脑系统下安装JDK及配置环境变量教程。Mac安装JDK8、JDK11、JDK17、JDK22教程,快速切换JDK版本。

这介绍不了我 10万+

用「OpenClaw」打造新媒体运营神器:小红书/公众号全自动选题→创作→排版→发布全流程

对于新媒体运营的从业者来说,AI不是要取代运营人员,而是把他们从繁琐的重复劳动中解放出来,专注于更核心的内容策略、用户运营、品牌建设,这才是AI在传统行业落地的真正价值。这是最终输出可发布内容的核心智能体,我们通过「OpenClaw」的Prompt工程,结合不同平台的排版规范,实现了一键生成符合要求的排版,完全替代人工重复劳动。这套系统的落地,不是技术的炫技,而是真正用AI解决了新媒体运营的核心痛点:用自动化替代重复的人工劳动,用数据决策替代经验主义,用全闭环执行替代纸上谈兵的建议。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 200

Centos8中安装jdk1.8

Centos8中安装jdk1.8在线安装OpenJDK查看新系统是否安装java环境卸载JDK相关文件卸载openjdk卸载tzdata-java在线查看java的安装包列表安装选择的java版本ram包安装完成,查看java信息到此在线安装完成。离线安装JDK查看新系统是否安装java环境卸载JDK安装jdk1.8首先创建一个java的文件夹上传jdk-8u144-linux-x64.tar.gz解压配置环境变量profile文件立即生效测试离线安装完成 Centos7中安装JDK常见两种方式:在线安装o

bellus 1万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

Mac同时安装jdk8和jdk17,默认选择jdk8

通过以上步骤,您可以在Mac上同时安装JDK 8和JDK 17,并设置默认版本为JDK 8。需要时,您可以轻松切换JDK版本以满足不同的开发需求。您可以随时使用之前配置的别名来切换JDK版本。您应该能够看到JDK 8的版本信息,表明JDK 8已设置为默认版本。打开终端(可以通过Spotlight搜索“终端”来找到)。,验证JDK版本是否已切换为JDK 17。替换为您实际安装的JDK版本的文件名。或者,您也可以使用其他文本编辑器,如。根据您的Shell类型(通常是。),编辑相应的配置文件。

zh_chong的博客 2452

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")

Windows 下 JDK8 安装配置

如果仅仅想运行 Java 程序(客户),只需要安装独立的 JRE;如果想进行 Java 编程(开发人员),需要安装 JDK,JDK 包里也内置有 JRE,既能开发 Java 也能运行 Java 程序。(在JDK1.5之后的版本,配置Java环境变量的时候我们不再需要配置classpath,只需要配置Java_Home以及path即可!你会发现这样安装的jdk1.8有两个jre,一个自带的,一个刚刚安装的【不用管、知道就好】exe 文件:是可执行的安装程序,适合自动安装,安装时会帮你配置环境变量等。

csdn_aspnet的专栏,请点击博客主页右上角三个点中的私信联系 1万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

mac笔记本安装JDK8

1、下载JDK8 mac版本 https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 打开上面的地址,如下图,点击下载 2、安装JDK8 双击jdk8 点击 继续 点击安装 输入密码 安装成功 3、配置java环境 打开m...

huawen6的专栏 1万+

Macbookpro安装JDK8及环境配置

Macbookpro安装JDK8及环境配置Macbookpro安装JDK8及环境配置下载、安装JDK8JDK8下载地址:安装JDK配置环境变量多版本jdk切换安装其他版本jdk具体方法验证结果 Macbookpro安装JDK8及环境配置 下载、安装JDK8 JDK8下载地址: https://www.oracle.com/technetwork/java/javase/downloads/jdk8...

CatQiu的博客 1万+

linux centos8 安装jdk 卸载jdk

环境准备 linux centos 8 第一种方式 yum安装 1、查询要安装jdk的版本:yum -y list java* 这些全是jdk的版本,选择适合自己的 2、安装jdk1.8 yum install -y java-1.8.0-openjdk.x86_64 3、查询jdk版本 这样就安装成功了。默认给安装到usr/lib/jvm 第二种方式 手动安装 一、先去官网找到jdk1.8:点我快速进入官网 进入后选红框 现在下载需要oracle账户。会直接跳转登录页面。 填写用户信息 之后需要

zhizungege的博客 3117

linux安装jdk8

序言 jdk安装有两种方式 第一种是使用yum命令一键安装,默认安装目录在/usr/lib/jvm 第二种是手动安装,须去oracle官网下载jdk,然后解压并配置环境变量 yum一键安装 yum install -y java-1.8.0-openjdk-devel.x86_64 注意:输入确认(y)直到控制台返回Complete安装成功 查看java版本信息 java -version 输入javac java命令后显示帮助信息就算是安装成功了 使用yum安装环境变量自动就配..

qq_41340666的博客 8411

JDK8安装教程

1、安装JDK开发环境 下载网站:http://www.oracle.com/ 我写这文章已经升级到java12,那不太熟悉所以我在网上搜索了JDK8的. 以下是安装JDK8的截图 确定之后,单击“下一步”。 注:当提示安装JRE时,可以选择不要安装。 2、配置环境变量: 对于Java程序开发而言,主要会使用JDK的两个命令:javac.exe、java.exe。路径:C:\Ja...

wskydwffg2017的博客 1万+

Mac上安装 jdk8

Mac上安装 jdk8

@素素~的博客 9203

redhat安装jdk8

1.先确认是否已安装过jdk java -version 2.查看系统版本 cat /proc/version 3.查看系统位数 getconf LONG_BIT 4.创建jdk存放目录,并进入该目录 cd /usr/local mkdir java cd java 5.wget下载jdk wget --no-cookies --no-check-certificate...

steven_zhulin的博客 2902

在Linux下安装JDK8

一、下载或卸载JDK 1、检查是否已经安装JDK(建议最小化安装Linux不会自动安装JDK) [root@192 ~]# rpm -qa|grep java 2、卸载JDK rpm -e --nodeps tzdata-java-2017b-1.el7.noarch rpm -e --nodeps java-1.7.0-openjdk-headless-1.7.0.141-2.6...

云卷云舒的架构师之路 5406

Centos 8下安装jdk1.8

安装环境:Centos 8 JDK版本:1.8 用户名:huwei JDK1.8压缩包链接:https://pan.baidu.com/s/15DfvlIKRl1G4fk5rFNigQg 提取码:muap 下载好的JDK压缩包如下图所示 为JDK创建安装的文件夹 cd命令进入/usr/local 目录下,由于进入系统目录操作需要管理员权限,故使用sudo su 由普通用户转为root用户,mkdir Java创建Java文件夹(touch是创建文件) cd /usr/local sudo su m

hu_wei123的博客 2162

Linux系统安装JDK8

1、卸载现用的JDK (1)、查看Linux自带的JDK是否已安装 查看是否安装,java  -version (yum安装的 一般都是 OpenJDK         命令:yum install java-1.8.0-openjdk) (2)、查看jdk 安装包:rpm -qa | grep java (3)、卸载OpenJDK             把显示出来的版本信息...

zhangyuchao618的博客 1万+
上一篇: Eclipse中Git的使用
下一篇: maven项目缺jar问题解决
ZHOU_VIP
博客等级 码龄11年 1万+粉丝 1779原创
评论
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

打赏作者

ZHOU_VIP

您的鼓励将是我创作最大的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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