对于给我留言的朋友,我向你们道歉。

对于给我留言的朋友,我向你们道歉。

 

由于工作比较忙,自己的事情也很多,实在没有太多时间来JavaEye论坛。

 

有兴趣的朋友,请访问我的网站 www.lizhongda.net  ,网站上有我的联系方式,有兴趣交流工作经验,技术的朋友,我

热情的拥抱。(如果网站没有打开,一定是网速的原因,空间商一般,用的10M宽带共享,大家可以手动输入地址)

 

小站建设没有多少技术含量,常用的一些功能而已,使用的语言是asp,不是我的强项,但鉴于建站快,经济方便,所以采用了asp,好不好大家伙说的算,评价不好或很差,我将会努力改进。

 

需要资料的朋友可以给我联系,网站空间不多,没有上传资料,我可以通过聊天直接发给你。

 

敬请大家能谅解!

【YOLOv8改进-注意力机制】BRA(bi-level routing attention ):双层路由注意力 【YOLOv8改进-注意力机制】BRA(bi-level routing attention ):双层路由注意力我们提出了一种新颖的动态稀疏注意力机制,通过双层路由实现更加灵活且具有内容感知的计算分配。 阅读详情

相关推荐

FID指标实战:如何用Python快速计算生成图像的质量分数(附完整代码)

本文详细介绍了如何使用Python计算Fréchet Inception Distance(FID)指标,以评估生成图像的质量。通过完整的代码示例和优化技巧,帮助开发者快速实现FID计算,并解读分数背后的实际意义,适用于GAN和扩散模型的性能评估。

weixin_28718487的博客 379

向给我留言的朋友道歉

因为一些原因,我很久都没有维护自己的blog,致使有些朋友给我的留言没有及时给予反馈,真的很抱歉。现在工作基本上算是稳定了,我会继续维护自己的blog。欢迎朋友们经常来交流。 转载于:https://www.cnblogs.com/TonyJoule/archive/2009/03/05/1403613.html...

weixin_30675247的博客 148

手把手教你用TL431设计反激电源补偿器(附波特图调试技巧)

本文详细介绍了如何使用TL431设计反激电源补偿器,并提供了波特图调试技巧。通过实战经验分享,帮助工程师快速掌握补偿网络设计、分压电阻计算和稳定性判据,避免常见设计误区,提升电源稳定性与效率。

weixin_29201859的博客 380

说给我的学生们

同学们: 你们好! 好久没有见到你们了,说实话还真的挺想你们的。不知道你们现在怎么样了。你们有时通过QQ问我一些问题,还有邮件的方式,但是我因为一些原因没有及时的一一回复,在这里向你们道歉了。这个博客是和我的一位好朋友一起申请的,有的文章是我写得,有的是他写得。大家以后有什么事情可以在这里留言,不管是什么方面的都可以,我和我的朋友说好了,如果他看到了你们提的问题,也会热心得解答...

weixin_34268753的博客 88

Windows 11 下 WSL 离线安装 Ubuntu 22.04 保姆级教程(国内镜像加速版)

本文提供了一份针对中国地区用户的Windows 11下WSL离线安装Ubuntu 22.04的详细教程。通过使用国内镜像源加速下载安装包,并配合PowerShell命令完成部署,有效解决了官方商店下载缓慢的问题。教程涵盖环境准备、离线包获取、安装初始化及安装后的关键优化配置,帮助用户快速搭建高效的Linux开发环境。

weixin_28452161的博客 1381

某盾blackBox逆向——纯算

某盾blackBox逆向——纯算

Lzyydsb的博客 5900

向留言的朋友们致歉

实在不好意思,历来都没有查看留言的习惯,点击了一下,发现了许多,都是没有回复的,有一些还是去年的。在此,对于曾经留言的朋友说声对不起。 有一些留言,发送了我的电邮里,不少电邮还是回复了的,但有一些,我回复没有成功,如最近的learnerwai朋友发邮问的有关Gentle.net的问题,我回复后,不知是MSN邮箱不能发送Yahoo的还是什么问题,并没有回复成功。 在此,深深地向留言的朋友们致...

weixin_33922672的博客 76

CIC-IDS-2018数据集高效预处理实战:从数据清洗到特征整合

本文详细介绍了CIC-IDS-2018数据集的高效预处理方法,从数据清洗到特征整合的全流程实战。通过内存优化、异常值处理和特征工程等技巧,帮助网络安全研究人员快速处理大规模网络流量数据,提升机器学习模型的训练效率和准确率。特别针对特征数据的预处理提供了实用代码示例和优化建议。

weixin_29274969的博客 503

惹恼开源社区!微软道歉:恢复 .NET SDK 热重载功能

近日,.NET开源社区再起波澜。 只因微软在即将发布的 .NET 6 中悄悄删除了 Hot Reload(热重载) 的核心部分,此举彻底激怒了.NET开源社区开发者,他们强烈反对微软这种行为,认为微软此举是“丢了西瓜拣芝麻”。 事情起源 据了解,所谓 Hot Reload(热重载)功能,让开发人员在写代码可以获得即时的反馈,方便在修改代码时能马上看到结果 就是开发人员可以在应用程序运行时修改源代码、更改应用,并在运行的应用程序中查看结果。这个功能可以帮助加快开发过程,比重建代码、停止应用程序、应用更改然后

m0_59537084的博客 1万+

界面上下固定_基于ANSYS的胶粘结构界面开裂有限元计算

引言:目前工程上主要有螺栓,过盈,焊接和胶粘四种常用的连接方式,本文基于ANSYS Workbench环境,引入内聚力模型来实现对胶粘结构界面开裂失效的计算,文中的界面失效参数为随意给定,不是工程实际测试数据,仅起到演示作用!1.问题的描述如图所示给出了胶粘结构的三维模型,该胶粘结构由上下钢板组成,中间通过胶粘接到一起。(胶不需要建模,其影响主要通过内聚力模型实现)上下板的材料为结构钢,...

weixin_29473667的博客 1万+

ARTIX-7 GTP 3G-SDI 工程构建与调试实战

本文详细介绍了基于ARTIX-7 FPGA和GTP收发器的3G-SDI工程构建与调试实战。从基础概念解析到Vivado工程创建、GTP IP核配置、SDI IP核集成,再到系统集成与时钟域处理,提供了全面的技术指导。文章还分享了调试技巧、常见问题排查方法以及性能验证步骤,帮助开发者快速掌握3G-SDI视频传输技术的实现与优化。

weixin_30443813的博客 256

喊话“不搞氪金的游戏开发者都是白痴”!遭“网暴”后,EA 前 CEO 公开道歉...

整理 | 郑丽媛出品 | 优快云(ID:优快云news)上周,游戏引擎厂商 Unity 和移动广告平台 IronSource 在宣布两家公司即将合并后,EA 前 CEO、Unity 现任 CEO John Riccitiello 就接受了英国权威移动游戏产业媒体 PocketGamer.biz 的采访,分享二者合并缘由及未来发展方向等。按理说,这场采访本应是 John......

优快云资讯 8109

C#调用企业微信JS-Sdk实现扫描二维码

企业微信JS-SDK是企业微信面向网页开发者提供的基于企业微信内的网页开发工具包。通过使用企业微信JS-SDK,网页开发者可借助企业微信高效地使用拍照、选图、语音、位置等手机系统的能力,同时可以直接使用企业微信分享、扫一扫等企业微信特有的能力,为企业微信用户提供更优质的网页体验提示:生成签名之前必须先了解一下jsapi_ticket,jsapi_ticket是H5应用调用企业微信JS接口的临时票据。正常情况下,jsapi_ticket的有效期为7200秒,通过access_token来获取。

清浅 939

朋友圈设置成昨天发的_“朋友圈千万不要设置一个月可见”

微信又双叒叕出新功能了。如果你更新微信,就会发现允许朋友查看朋友圈的范围新增了“最近一个月”。对于很多人来说,昨天发过的朋友圈,今天就不想让别人看到了。毕竟昨天的颜值配不上今天自己的美貌,夜晚的矫情也只会让白天的自己尴尬。可是如果真的把朋友圈设成仅自己可见,那道冷冰冰的横线对朋友来说又太不友好。毕竟能点进来的人一定是在意你的,而你又何必伤害那些在乎你的人?在我看来:朋友圈仅三天可见时间太短,半年可...

weixin_39940425的博客 1895

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")

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

GitHub 接连封杀开源项目惹众怒,CEO 亲自道歉!

「GitHub 以贸易制裁为由,关闭了对 Aurelia 库的访问」冲上了 Hacker News TOP 榜,其中,既有项目负责人的一头雾水,也有诸多开发者的质疑。

唐小引(Echo)的 优快云 博客。 2万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

创意留言墙图片_网易云音乐创意广告打造留言墙,互动营销开启用户核心时代!...

▣ 作者 六爷 | 互联网营销官(ID:HLWCMO)留言墙大家都知道,我们大家都在墙上留下过自己的誓言,和朋友的约定,甚至爱情的见证。那虚拟留言墙不知道你听过没有?网易云音乐通过AR技术开发的名为“小纸条”的功能,能让你在生活中把留言玩出各种花样。看完视频,不知道屏幕前的你有没有跃跃欲试的想法呢?打开网易云音乐APP点击“扫一扫“,选择“AR小纸条”进行扫描,即可唤起虚拟留言墙体验。...

weixin_35343856的博客 1034

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

致歉:给所有留言但没收到360邀请的朋友

各位,不好意思,让大家等了这么久。两个原因, 一个是因为最近比较忙,没时间 再一个,大家也知道教育网上360去做邀请,需要代理,一直懒得弄。 现在向所有给我留言的朋友道歉,我会在这两天把所有邀请都发出去的! 基本上所有朋友的邀请都发出了,如果还是没有收到,请发邮件到 fkrl@sohu.com 联系我 转载于:https://www.cnblogs.com/fkrl/archive/200...

weixin_30376323的博客 106

接待员如何向客人upsell_客房留言卡也能收获好评,看看高情商酒店如何做的?...

客人对酒店最客观的评价从点评中就能看到,那酒店服务如何才能被客人看到呢?可不可以通过一张留言卡,被客人感知到呢?本文整理了多个客房服务实际场景案例,帮助酒店了解如何写好这张留言卡。一、什么场景下放置留言卡?1、客人入住时对客人表示欢迎:客人进入房间后,第一时间会大致浏览房间的格局、设施、卫生等,这时候,如果有一张表达欢迎的留言卡,就可为酒店赢得了好的第一印象。留言卡内容:欢迎语+服务介绍★场景1:...

weixin_30391353的博客 1833

向各位朋友致歉

<br />由于家里安排,过去的一年里都在做中学教师工作,所以几乎没有来csdn,偶尔来一下也是走的匆匆,今天上来看看才发现这么多留言,我不是故意不回的,加我好友的朋友,我也不是故意这么久不加你们的,只是很久没来看了。现在好了,我已经辞职了,准备找个开发的工作,csdn应该还会常来看看的。

隐田龙 的专栏 1653

道歉!!!

由于自己的惰性,java学习博客停止了一段时间,在此给大家道歉,对不起! 学习进度:java基础部分,已经结束了,前段时间的停滞,内容没有完全呈现给大家,还有大概俩篇博客,后边会补发给大家。 今天上传的是JavaScript的学习第一天,喜欢的朋友请关注和查看,并给与反馈,衷心的感激! 我的想法是,我会把知识点先上传到博客上,供大家查阅,如果有疑问,可以留言。知识点学习完后我会上传项目,大家共同练...

weixin_44599482的博客 302

小学生刮蹭汽车后留下道歉信 车主“索赔”一元钱

中新网南京1月25日电 (记者 刘林通讯员裴凌曼)日前,江苏省泗洪县一名车主将车停靠在路边停车位时,被一名小学生骑电动车撞上了。该小学生写了一封“道歉信”留在车上,并留下了家人的联系方式。车主找到学生后向其索赔一元钱,并表示:“要让她知道,做错事虽然认错是好事,但同样要承担相应的后果。”此事在当地传开后引起热议,许多人评论:“一块钱,赔的是心意,暖的是人心。”“对不起,我是一名小学生,是东风小学的...

weixin_34384681的博客 156

关于《RHEL5kickstart批量网络安装》文档的道歉申明

对本人博客中《超级RHEL5之KICKSTART批量网络无人职守安装{详解篇}一中所提到的PXE原理部分,和kickstart原理部分内容向各位关心支持我的朋友表示由衷的歉意。 由于写作时没有去阅读标准文档,根据自己的配置文件和排错及屏幕信息而写的kickstart流程确实存在问题。给大家照成的误解和诸多不便,请大家谅解。我以后写作的时候会注...

weixin_34270865的博客 96

点赞封面未发送已删除_微信表白新功能:有种喜欢,是给你朋友圈封面点赞

微信最成功的设计,就是朋友圈封面点赞。你的朋友圈封面被多少人点赞过,按照概率,这个次数的五分之一,应该就是喜欢过你的人。有读者说:大叔,为什么他又赞了我朋友圈封面?其实答案很简单。给你朋友圈封面点赞,不是他终于想你了,而是他终于憋不住了。怎么委婉表达我喜欢你呢——"我点赞了你朋友圈封面。"我把你所有可见朋友圈都翻了一遍,怕打扰你,没有写一句留言。怕你不知道我来过,我就在你的朋友圈封面点一个赞。哪怕...

weixin_39768371的博客 4753

宙斯发声:当时我没有老婆!不知道她有男朋友

7月13日晚,乌克兰选手 Zeus在其社交平台回应泄露隐私视频事件,向当事女生道歉并否认出轨传言。如果今天的文章让你有新的启发,欢迎转发分享给更多人。大概半年前,我在社交媒体上发过几段视频,是和我在上海认识的一个女孩一起拍的。我当时没结婚,也没谈恋爱。那些说我“有老婆”、“有家庭”的传言,都是瞎说。我对中国和文化一直很尊重,我没做错任何事。视频里能看清我们的脸,但内容没什么露骨,也没有任何不尊重人的地方。当时就觉得是普通的生活记录,真没想到会影响别人的生活。如果我能为那个受影响的女孩做点什么,我一定尽力。

Java和Android架构 184

杨笠代言事件,京东紧急道歉!

熟悉小灰的朋友们都知道,京东是小灰的老东家,小灰对京东一直有着特殊的情感。然而最近在京东发生的一件事情,让小灰唏嘘不已。怎么回事呢?眼下临近双十一,京东邀请了杨笠来做他们的双十一活动代言人,可万万没想到,这一举动遭到了广大用户的集体抵制。杨笠究竟是何方神圣?可能有的朋友还不知道,小灰在这里科普一下。杨笠是一个知名的脱口秀演员,几年前,杨笠在脱口秀大会上说了这样一句话:“你们男人明明那么普通,却还那...

程序员小灰的博客 722

GitHub接连封杀开源项目惹众怒,CEO亲自道歉

作者 | 唐小引图源| 东方 IC来源 | 优快云(ID:优快云news)王坚博士曾经做过这样一个非常形象的比喻,他将做 App 比作是在别人的花...

AI科技大本营 1560
上一篇: 大家还好吧,我的个人网站 www.lizhongda.net 建立了。和大家一起分享技术!
下一篇: IIS HTTP 500 出现内部服务器错误解决方法
chinalzd_java
博客等级 码龄18年 1粉丝 4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
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