Typora下载和使用

Typora下载与使用 ​是一种轻量级的标记语言,旨在使文本易读易写。它使用简单的语法来格式化文本,例如标题、段落、列表、链接和图片等。Markdown文档可以导出为HTML、PDF等多种格式,广泛应用于笔记、网站内容创建和文档生成。Markdown由约翰·格鲁伯于2004年创建,设计理念是让人们能够使用简单的纯文本格式来编写结构化文档。 阅读详情

1. 下载

      https://pc.qq.com/search.html#!keyword=typora

      http://markdownpad.com/

2. 使用

介绍

基本上所有的markdown标记都是基于+ -  * . >这五个符号或组合,注意如果以基本符号开头的标记,基本符号后有一个空格用于分割标记符和内容。

2.1  标题
   语法

#     一级标题    
##    二级标题    
###   三级标题    
####  四级标题    

注意 # 和 标题名称 之间至少有个空格
    # 一级标题 #
    ## 二级标题 ##
    ### 三级标题 ###
    #### 四级标题 ####类似标签闭合

   效果

            

 

2.2  引用
  语法

> 引用1

>> 引用2

  效果 
         

2.3  单行代码
  语法 用反引号包裹

`String str = "a";`

  效果
       

2.4  代码块引用
语法  

1.使用 4 个空格或者一个Tab 键

2.用 ``` 包裹一段代码,并指定一种语言,可以不指定语言

```
内容
```

效果

   

2.5  无序列表

  语法

//不分级 无序列表

+ 无序列表
- 无序列表
* 无序列表

// 多级 无序列表

* 1级列表
Tab * 2级列表
Tab Tab * 3级列表

  效果 

        

2.6  有序列表

  语法

// 数字 点 空格 内容
1. 有序列表
2. 有序列表
Tab 3. 多级有序列表
TabTab 4. 多级有序列表

  效果

   

2.7  表格

语法 

// 注意左对齐 右对齐 中间对齐

|姓名|年龄|性别
|:---|:--:|---:|
|张三|100|男|
|李四|200|男|

效果

     

2.8  字体

语法

*斜体* or _强调_
**加粗** or __加粗__
***粗斜体*** or ___粗&斜体__

效果

  

 

2.9  图片链接

   语法1 网络图片 

![pname](图片网络链接)


![pname](根目录H/子目录/1.png)   //引用同目录下的图片

   语法2  本地图片

![pname](C:\Users\Administrator\Desktop\timg.jpg)

   效果

            

2.10  超链接

   语法1

[链接描述](https&http地址)

   语法2

   <a href="http://www.baidu.com">百度</a>

   效果

      


 

2.11 分隔线

   语法:在一行中用三个以上的星号、减号、底线来建立一个分隔线。

***
* * *
- - -

    效果 
       

2.12 删除线 

 语法:在文字的两端加上两个波浪线 ~~

~~删除线~~

效果

2.13 字体、字号、颜色等的设置

语法: 用<font>标签包裹,给出属性即可,size一般从1到7,默认为3

<font face="微软雅黑" color=#00ffff size=7>文本设置</font>

效果

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Typora下载、安装及使用 阅读详情

相关推荐

BMW Standard Tools 宝马FSC工具套装下载

这是一款非常专业的一套宝马编码工具,懂行的人自然知道他的用处,不懂行的人,我解释再多也不会明白的,需要的拿去吧。软件名:BMW Standard Tools包含工具:BMW Coding Tool v2.50、change Language、CIC Mafia、Dr.Gini B021、EasyConnect、EDIABAS Konfigurator v1.1、EDIABAS Konfigurator v2.0.0、FSC-Tools_2.18、FSTool_v2_CarServer、INPA、ITool

Zj_arrow的博客 7011

Typora的使用介绍

Typora的使用介绍 Typora是什么? Typora是针对于markdown开发的一个非常强大并且免费的文本编辑器 由于它极简的设计理念,所以使得我们使用起来非常简单,特别顺手,在我们编写的时候可以实时的看到渲染的结果 大大地提高了我们写作的效率,导出格式支持PDF,HTML等格式,极大地节省了我们的时间 Typora的一些语法快捷键 Ctrl+1 一级标题 Ctrl+2 二级标题 Ctrl+3 三级标题 Ctrl+4 四级标题 Ctrl+5 五级标题 Ctrl+6 六级标题 Ctrl+B 字体

yu923023913的博客 522

WorkBuddy驱动SolidWorks实测:AI建模流程、参数化与许可排查指南

AI辅助三维建模正在改变工程师的重复劳动方式。其核心理念不是替代人的设计决策,而是通过AI智能体接管CAD软件中的草图绘制、特征创建、尺寸修改等高频操作,让工程师从繁琐的GUI交互中解放出来。在SolidWorks这类主流CAD平台上,这类AI助手的落地依赖环境稳定、需求描述清晰和参数化建模规范。通过将外径、孔距等关键尺寸定义为全局变量并用方程式驱动,可实现改一个数、模型自动更新的高效流程;同时,遇到“无法获得许可”等环境故障时,需要按服务状态、安全软件隔离、干净卸载的顺序排查。以WorkBuddy驱动So

weixin_28559803的博客 375

图文教程 | 2024Typora最新版免费激活使用教程(新旧版可用)

2024Typora最新版激活使用教程,超详细手把手教学

程序源的博客 8万+

RDMA性能调优实战:如何用ib_*命令榨干你的Mellanox网卡带宽?

本文深入探讨了如何利用ib_*命令工具集对RDMA网络进行深度性能调优,以充分释放Mellanox网卡的带宽潜力。文章从理解Send/Write/Read三种核心通信原语的差异入手,逐步指导读者通过调整消息大小、队列深度、内联数据等关键参数,并结合系统级的NUMA绑定、中断亲和性等优化策略,实现从基准测试到逼近硬件极限的性能提升。

weixin_29306011的博客 88

杰理外挂flash使用教程(四):制作fat32文件系统格式的资源文件

本文档提供了FAT文件系统镜像生成与资源打包的完整指南,包含两种实现方案:推荐的WSL/Ubuntu环境方案和Windows原生方案。详细说明了从创建空白镜像、格式化、资源文件复制到最终打包为设备可用的res.bin文件的完整流程,并对比了FAT32与FAT16的特性差异。文档还包含关键文件说明、使用注意事项和典型应用场景,适用于嵌入式系统开发、固件升级等场景。

qq_42014563的博客 1341

Typora结合PicGo+Gitee(码云)实现图床

文章目录注意安装和配置安装Typord配置PicGo配置码云配置验证错误排查 注意 这里先说一下我的Typord的版本(version 0. 9. 89 (beta))和PicGo(Version: 2.2.2)的版本,我是基于这个版本安装的,很多时候,我们安装软件去网上搜索教程时,遇到的坑都是软件版本和他们用到的不一致造成的,导致浪费很多时间,所以安装软件时,最好特别注意一下版本问题!如果你按照我的版本去安装,一些问题应该就不会发生! 软件下载地址: 链接: https://pan.baidu.com/s

Apple_Boy的博客 818

SO_KEEPALIVE、TCP_KEEPIDLE、TCP_KEEPINTVL、保活包

是一个套接字选项,用于设置是否启用 keepalive 机制。在这段代码中没有涉及到选项的设置。当被设置为非零值时,表示启用 keepalive 机制。keepalive 是一种用于检测连接是否仍然有效的机制。通过定期发送一些特定的探测数据,可以检测到网络连接的异常中断或对端应用程序的崩溃退出。为了避免以上情况,可以启用 keepalive 机制,即使在无数据传输的情况下也定期发送探测数据。如果在一定时间内没有收到对端的响应,就认为连接已经失效,并进行相应的处理。要启用选项,需要使用函数。其中,fd。

m0_46376834的博客 4820

手摸手教你安装激活最新的Typora

Typora下载安装破解流程

qq_37636739的博客 2万+

Sigrity Power DC Single-BoardPackage IR Drop Analysis模式进行单板压降仿真分析操作指导

如果需要单独对某个via设置参数,右侧选择Setup by padstack,下方下拉选择某个via,单独设置参数即可。举例:板厚1.6mm,内层1OZ(1.2mil,即0.03mm),铜皮宽度1mm,20度温升,允许通流I为2.5A。目的是模拟实际情况,via的孔壁电镀1mil,中间是空心的,让via不完全被填充金属成为实心via。Upper/lower Tolerance:上下公差,设置为5%,也就是压降允许的范围。电流密度计算公式:J=I/A(J为电流密度,I为电流,A为横截面积)

weixin_54787054的博客 699

DeiT详解:知识蒸馏的Transformer

DeiT模型(8600万参数)仅用一台 GPU 服务器在 53 hours train,20 hours finetune,仅使用 ImageNet 就达到了 84.2 top-1 准确性,而无需使用任何外部数据进行训练,性能与最先进的卷积神经网络(CNN)可以抗衡。其核心是提出了针对 ViT 的教师-学生蒸馏训练策略,并提出了方法,使得在视觉领域训练得又快又好。

走在深度学习前沿的小宋 2637

typora激活 去除未激活标签

typora去除下面未激活标签。

m0_71190312的博客 3095

高通8397/8797 qcx camera usecase梳理

本文介绍了ISP(图像信号处理器)的两种工作模式:Inline模式和Offline模式。Inline模式下,前端(IFE)直接连接物理层并行处理,最多支持4路流处理,后端(IPE)通过内存访问完成增强处理;Offline模式下,图像数据先写入内存再由SFE_Lite读取发送给IFE_Full处理,实现一个IFE串行处理多路数据。文章还详细解析了camera_config和usecase配置文件的结构与作用,包括硬件资源配置、场景逻辑定义等,并以ID40_UsecaseDMS为例说明离线模式的具体实现流程,包

车载行业 860

关于Typora的下载和使用

关于Typora的使用 Typora的下载 1.打开官网 2.选择下载 根据自己的电脑选择啦(我的是Windows64) 3.提速 一般情况下,因为是境外的网站,所以下载速度很慢,动辄1到2小时,着实让人着急,可以借助迅雷下载 我个人是在360软件管家里面下载的,第一个就是迅雷X (yysy,虽然360比较流氓,不过下载软件确实不错) 下载完迅雷X再安装就很快速,1分钟差不多 Typora的使用 1.启动 刚刚下载的Typora,启动后会创建一个文件夹Typora,打开后的Typora是一片空白

weixin_44628096的博客 2432

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")

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Typora下载、安装与使用

Markdown编辑器:Typora下载、安装与使用

weixin_46702157的博客 2639

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

Typora免费版下载安装

Typora免费版本安装 官方版本

qq_39950529的博客 6万+

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Typora主题下载

Typora有很多主题可以使用,默认的主题很少,想要自己的主题更加个性化,可以去添加更多的主题来优化自己的使用体验。

weixin_53233237的博客 4807

typora下载

https://pc.qq.com/search.html#!keyword=typora

qq_47039661的博客 8173

Typora软件下载与安装及使用技巧(保姆式教学)

Typora的下载安装 当前,Typora 是一款支持实时预览的 Markdown 文本编辑器,深受广大程序员的喜爱,简洁明了,方便操作,下面来讲一下它的详细下载安装过程叭! 下载安装过程 Typora的下载官网:https://typoraio.cn/(中文官方网站) 本次安装目的主要是在Windows系统下进行使用,所以直接在官网中下载Typora的安装包,参考自己的系统来下载不同版本的安装包,我这里下载的是64位版本的。点击“Download Beta(64)”即可下载安装包。 下载完安装包后,找

絵飛ヾ的魚的博客 5万+

Typora的下载和使用

Typora的下载和使用 一、下载 官方网站: https://www.typora.io/ ![1628169018367](C:\Users\胖崽呀\AppData\Roaming\Typora\typora-user-images\1628169018367.png 二、安装 点击安装,直接下一步到底,如果需要调整安装路径的,自行调整! 三、使用方法 标题 #/Ctrl+1:一级标题 ##Ctrl+2:二级标题 ###/Ctrl+3:三级标题 ####/Ctrl...

weixin_45610572的博客 547

Typora的下载及MarkDown使用

需要编辑器支持(typora)对于程序员非常友好,在2021年11月23日,Typora正式发布1.0版本,进入了付费时代。第二种方法表示插入行间公式(外联公式),即可以将公式插入到行与行之间,单独占据一行或者数行的空间,并且居中放置。是一个用于画流程图、状态图、时序图、甘特图的库,Mermaid作为一个使用JS渲染的库,生成的不是图片,而是一段HTML代码。表格扩展快捷键在表格中,可以使用鼠标拖动行或者列,达到交换行和列的目的,同时也可以使用快捷键操作。Typora是一款非常使用的笔记工具,...

qq_44421796的博客 1万+

Typora下载和安装

Typora下载和安装 Typora下载 查找官网 百度搜索Typora,找到官网进行下载。 点击链接访问官网](https://typora.io/) 下载软件 拉动导航条到如图位置或者点击上方的导航Download [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cwgUqK2e-1606395316629)(D:\Tools\Typora\img\Typora下载和安装\1.png)] 点击下载Windows操作系统版,进入下图页面 [外链图片转存失败,源站可

linxIT的博客 1万+

Typora-linux下载和安装

Typora-linux下载和安装 解压 tar xvf Typora.tar.gz 拷贝到常用的软件安装目录下 sudo cp -ar Typora-linux-x64 /opt 拷贝桌面快捷方式到桌面 cd /opt/Typora-linux-x64 cp Typora.desktoop ~/Desktop/

u014158879的博客 1686

Typora下载

下载地址:https://typora.io/ 点击箭头 点击Dowload 选择需要下载的版本软件 下载完毕后安装即可 Typora的操作方法,请看:https://blog.youkuaiyun.com/weixin_47056195/article/details/110806976

weixin_47056195的博客 1217

typora的下载和基本的使用

文章目录typora的下载和基本的使用typora的下载typora基本的使用选择自己喜爱的主题创建标题进入编程环境改变文本样式插入链接插入图片有序列表无序列表创建表格 typora的下载和基本的使用 typora是一款非常好用的文本编辑软件,深受各大程序员们的喜欢,让这一款从原来是免费的软件变成了收费的软件。 typora的下载 进入官方中文网站下载:typora中文官网。 选择自己对应的系统下载并安装。 typora基本的使用 选择自己喜爱的主题 首先我们打开后可以先调整一下主题,我们可以在右上角

Yume_minami的博客 756

免费typora下载使用

3.ctrl+f找到e.hasActivated="true"==e.hasActivated,替换为e.hasActivated="true"=="true",并保存会提示没有权限,可以另存到桌面然后删除文件夹文件,把另存的文件拖进来,再查看一下是否已经改掉。9.查找到</body></html>替换为</body><script>window.onload=function(){setTimeout(()=>{window.close();

2403_88835185的博客 535
上一篇: Jmeter下载安装(选择不同的版本)
下一篇: Linux环境下载和安装使用MySQL5.7数据库
object_oriented_uy
博客等级 码龄8年 195粉丝 136原创
评论 1
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