刚开始看《深入理解计算机系统》的时候，我觉得自己是个傻子

编程学习：从《深入理解计算机系统》看学习路径
最新推荐文章于 2024-09-22 15:04:50 发布
原创 最新推荐文章于 2024-09-22 15:04:50 发布 · 1.7k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法 #编程语言 #java #python #人工智能

本文作者阿秀分享了自己阅读《深入理解计算机系统》的体验，指出这本书虽被誉为神书，但因其深度和厚度可能不适合初学者。建议学习编程时选择适合自己的资料，逐步积累前置知识。推荐了《编码-隐匿在计算机软硬件背后的语言》、《汇编语言》和《C-语言程序设计》作为辅助学习资源。强调学习过程需耐心，不必急于求成，建议先理解计算机基础，如计算机组成原理和操作系统，再深入学习其他技术。

59151c5da3cb1f71ddfaf11db0ead343.png

作者：阿秀
阿秀的求职笔记：https://interviewguide.cn

你好，我是阿秀。

今天简单聊聊编程学习这个话题，以《深入理解计算机系统》这本书为例简单聊聊，我刚开始看这本书的时候觉得自己像个傻子3325a416d5606063b9c9b2f25baf6ea6.png。

如果你像我一样是个知乎重症玩家，而你关注的一些话题又是计算机、编程、程序员相关，那你估计很容易刷到一些编程书单，很多人都会在社交媒体上分享自己读过的编程类书籍。

b61f49807dc080bcee4310864a83c0ee.png

以前读研时的书桌

1、神书

我相信，有一本书你一定不陌生，那就是《深入理解计算机系统》，也就是《CSAPP》。

知乎上关于这本书的讨论也有很多。
a5998e4b19538a5f334b17d8d8192efa.png

差不多有15,000关注这个问题

这是本神书，去豆瓣读书上看下它的评分就能知道它确实是本神书。

首先在豆瓣读书上选中编程的标签，然后你就可以发现豆瓣读书编程类最高分就是9.7分。

其中Top5，能够兼顾分值和评论人数的编程类书籍只有这本CSAPP，它不仅有着9.7分的高分，同时也有着高达 2926 人的评论人次。

7b92c5abb604c7e5400b83ddb2aa0235.png

这本书好吗？

肯定好，有多达3000人给出了自己的评分，最后得到了平均分为9.7.肯定好。

那，请问你看得下去吗？

我想大多数人跟最开始的我一样，根本看不下去。

看不下去的原因应该有很多，但下面两个应该是最高频的：

第一，太厚了，这本书就跟那本800多页的《C++ Primer 5th》 一样，又厚又重，多达700多页。

最适合垫泡面了，大多数人还没开始看就直接被劝退了。

bc81a6e240ac8b56753fd09d365549d8.png

C++系列圣经

为啥我记得C++ Primer 5th有八百多页呢？因为我看了两三遍...

第二，看不懂。

我想更多人是被第二个原因劝退了。

那为什么会看不懂？

看不懂的原因先放在一边，先来看看这本书的主要内容有哪些？

老实说这本书的覆盖面其实真的很广，它不仅仅只是计算机系统，更准确的说是计算机基础中的《计算机组成原理》和《操作系统》的混合体。

从机器级别的指令、CPU的工作方式、存储结构和优化，到程序I/O、计算机网络、程序性能优化，甚至并行程序设计都有所涉及，其中很多话题都能再次展开，并深入。

毫不客气的说，这一本经典可以继续演变成N本经典。

这本书的主要内容其实可以分为以下六个主题：

  • 计算机信息的表示（如何使用二进制表示数字，比如整型、浮点数等）

  • C语言和汇编语言的学习（通过汇编语言更深入地理解C语言是什么）

  • 计算机体系结构的基本介绍（比如存储层次结构、局部性原理、处理器体系结构等）

  • 编译链接（可执行文件是怎么来的、静态链接和动态链接的区别）

  • 操作系统的使用（异常控制流、虚拟内存等）

  • 网络及并发编程（并发、并行、系统调用）

2、原因

看到这里，其实你应该已经知道你看不懂这本书的原因了：这是本好书，但很可能不适合现阶段的你。

因为看这本书需要很多前置知识，你至少应该懂最基本的C语言以及一部分的汇编知识再来看这本书。

CSAPP这本书是我在14年，上大二的时候就买的，当时买的还是印影版，后来读研的时候实验室有图书报销机会，我去买了第三版正版。

现在我床头边就放着三本书，一本是余华老师的《活着》，一本是DDIA，也就是《设计数据密集型应用》。

还有一本就是《深入理解计算机系统》，经常会翻一翻。

CASPP这本书一开始我也是看不懂，后来重复地翻开，断断续续的去看，每次看都会有不一样的感受。

所以编程学习也是类似，有时候可能并不是你太笨学不会一些语言或者技术，而是是你学习的方式有误或者你使用的资料暂时不适合你。

等过一段时间你再来看以前被你搁置在一旁的书，你可能会觉得怎么看怎么懂了。

比向上攀登更重要的是选对方向去攀登。

类似的还有《算法导论》就好像知乎上有人问怎么学数据结构与算法一样，很多人一推荐就是那本经典的《算法导论》。

a8d05a0488f51a9972b431af1283cdc1.png
又一本大黑书

这也是本好书，但推荐它的人十个里可能没有一个完整看完这本书的，更甚者可能有的人自己都没翻过这本书就跑去给别人推荐。

Always learn from the best！

3、多说(水)两句

学习的过程是不能急的，特别是还在上大学的学弟学妹们，你们有大把连续的时间，这就是你们的资本。

资本运用好了叫资本，没运用好就不叫资本了。

如果你真的想学好编程，甚至日后把编程作为自己的主业，依靠编程谋生的话，建议你好好的学一下计算机的前世今生，做到彻头彻尾的理解计算机的原理。

而不是仅仅停留在表面，直接照猫画虎、照葫芦画瓢，这样的基本都会被淘汰，无法从事程序设计工作，最终整天从事重复性工作。

话都说到这里了，如果你打算看CSAPP，给你推荐一些切实可行而非直接劝退学习资源吧。

《编码 - 隐匿在计算机软硬件背后的语言》能帮你了解计算机是如何表示数字的；

《汇编语言》不要被书名吓到了，王爽老师的这本书绝对会让你感到相见恨晚；

《C-语言程序设计》，这个就不介绍了吧。

除此之外，对于操作系统、计算机网络、数据库等知识的学习也是如此，不要在最开始的时候就去看一些大头书，妥妥的劝退自己。

最近在和几个朋友一起写点比较好入手的学习资料&路线，至少学起来不会劝退&打击自己，对一些像我这样自学过来的同学比较友好，已经更新完计算机网络、操作系统、C++和Golang的知识了。

44c970f79e4e4c842afd5126fcd2c497.png

剩下的都会慢慢更新&同步上来：https://github.com/awesome-cs-community/developer-roadmap-zh-CN

剩下的会慢慢更新，今天就先水到这里吧，溜了溜了cf10efe1921f897600bac8d5ccec78ea.png。

参考文献：https://zhuanlan.zhihu.com/p/38584767

我是阿秀，一个平凡的互联网打工仔，我们下期再见。

2f7dfafe44edae83bf85664ff02f3c52.png

推荐👍：求职硬实力(操作系统、计算机网络、数据库MySQL、Redis等)

推荐👍：总有人在你不知道的时候，默默前行(他人经验)

推荐👍：求职软实力(面试、话术、简历)

你好，我是阿秀，本硕均于普通双非学校就读，现于抖音旗下担任全栈研发工程师，前后端全能。一路走来，很累也很不容易，希望能帮助到更多像我一样的普通学校的学生。我踩的坑不希望你再踩，我走过的路希望你照着走下来。

【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
01-14 1万+
你是否在全网苦寻【图像去噪（ImageDenoising）】的相关资料？你的目标是否是看懂【图像去噪（ImageDenoising）】的相关论文，复现代码，跑出结果，并试图创新？你是否需要发表【图像去噪（ImageDenoising）】的相关论文毕业？你是否需要做【图像去噪（ImageDenoising）】的相关项目，开发软件，研究算法，获得专利或者软著？只要是与【图像去噪（ImageDenoising）】有关的问题，那么请继续往下看。
深入理解计算机系统（完整、清晰电子版）
03-04
很好的资料，清晰，完整，对学习计算机有很大的帮助！
深入理解计算机系统，加深理解
03-13
将文档的.bin.rar后缀修改为.rar后缀，解压后可以得到讲义ppt
《深入理解计算机系统》----第四章：处理器体系结构
qq_65250839的博客
09-22 1486
Y86。
《深入理解计算机系统》读书笔记
天的世界
03-05 8541
《深入理解计算机系统》读书笔记注：《深入理解计算机系统》是我们《系统级编程》课程的参考书。这里主要记载的是在看《深入理解计算机系统》这本书的过程中，遇到的一些以前没有注意到的知识。但是，这本书的稿子是2001年的，有点旧了，而且据说卡内基梅隆大学的讲义每年要更新30%。我会在其中增加一些我们系统级编程课程中的一些新的知识点。第0章 绪论1，不能用x-y第1章 计算机系统漫游1，
老赵书托（3）：深入理解计算机系统
weixin_30793643的博客
11-23 243
这次我要推荐的是《Computer Systems: A Programmer’s Perspective》（下文简称CSAPP），在国内可以买到其影印版。它也已经被翻译成为中文，即中国电力出版社的《深入理解计算机系统（修订版）》。 基本知识 如果说我上次推荐的SICP强调的是编程能力，抽象能力的话，那么CSAPP这本书强调的便是作为一个程序员的基本知识。SICP来自世界顶级学府MIT，而...
深入理解Android相机体系结构之一
热门推荐
u012596975的博客
07-15 1万+
相机简史 几千年来，人类主要通过文字以及绘画的方式记录着对于客观世界的认知，为了更直观地呈现客观世界的图景，摄影技术应运而生。摄影是一门光与影的艺术，通过透镜将光线导入并依靠其折射特性，将光线最终导向到感光器件中，而感光器件在收到光线刺激之后进行一定的转换，进而形成影像，而这一系列的硬件设备的组合统一被称之为相机系统，同时由于现代计算机科学的迅猛发展，该系统依托其强大的传播力，彻底改变和提升了人类感知客观世界的方式和速度。 与现在相比，早期的相机系统十分简陋，同时成像效果也一直是灰白色调为主，但随着技术的不
深入剖析STM32架构设计内幕：Cortex-M内核与系统级优化全揭秘
# 深入剖析STM32架构设计内幕：Cortex-M内核与系统级优化全揭秘 你有没有遇到过这样的情况——代码明明逻辑没问题，但设备就是偶尔死机？或者中断响应忽快忽慢，像在“抽奖”一样不可预测？ 别急，这很可能不是你...
【学习笔记】程序员学操作系统
Charte的博客
04-15 6537
现代计算机系统由一个或多个处理器、主存、打印机、键盘、鼠标、显示器、网络接口以及各种输入输出设备构成。然而，程序员不会直接和这些硬件打交道，在硬件的基础之上，计算机安装了一层软件，这层软件能够通过响应用户输入的指令达到控制硬件的效果，从而满足用户需求，这种软件称之为**操作系统**，它的任务就是为用户程序提供一个更好、更简单、更清晰的计算机模型。
学单片机有前途还是嵌入式系统有前途？
weixin_42976659的博客
07-10 1468
著名嵌入式工程师吴坚鸿曾经发过一贴“学单片机有前途还是嵌入式系统有前途？”原贴如下： http://www.makeru.com.cn/live/3523_1795.html?s=69821 我在深圳一直搞单片机的开发，接的项目各种各样，不计其数。很多朋友问我学习单片机有前途还是嵌入式系统有前途，毫无疑问的，当然是单片机有前途。 嵌入式系统现在炒得很火，满街到处都是嵌入式系统的培训。遇到很多刚入门...
《深入理解计算机系统》
whulovely的博客
04-07 1472
原文链接:http://wdxtub.com/2016/04/16/thin-csapp-0/ 知乎《深入理解计算机系统》这本书需要什么水平能看懂？:https://www.zhihu.com/question/20354069 备注 备注:详细内容请看原博主,这里仅自己做记录 曾经的《深入理解计算机系统》课程笔记重新启航出发，更清晰的知识结构，更细致的概念分析，更紧密的课程关联。
读《深入理解计算机系统》心得
Just To Be
05-24 3691
听过这本书大该是一年前，那时候刚考完研，因为随后的研究方向偏计算机方向（本科学的通信工程），所以经常水论坛，了解一些这个方向的经典之作，其中就提到过此书。他人关于这本书更多的心得体会是“计算机方向必读书籍之一”，“大学唯一愿意留下的一本书”云云。怀着对他人经验之谈的些许怀疑，我记下了这本书的名字--computer systems a programmer's perspective....
深入理解计算机系统学后感,《深入理解计算机系统》-读后感
weixin_36296827的博客
06-16 883
【www.ahanw.cn--读后感】介绍：本书从程序员的视角详细阐述计算机系统的本质概念，并展示这些概念如何实实在在地影响应用程序的正确性、性能和实用性。全书共12章，主要内容包括信息的表示和处理、程序的机器级表示、处理器体系结构、优化程序性能、存储器层次结构、链接、异常控制流、虚拟存储器、系统级I/O、网络编程、并发编程等。书中提供大量的例子和练习，并给出部分答案，有助于读者加深对正文所述概念...
深入理解计算机系统学后感,深入理解计算机系统读后感-第一章
weixin_30995967的博客
06-16 631
计算机系统是由硬件和软件构成的，它们共同工作来运行应用程序。虽然系统的实现方式随着时间不断变化，但是系统内在的概念却没有改变。所有计算机系统都具有相似的硬件和软件组件，它们又执行着相似的功能。典型系统的硬件组成主要有以下几个方面：总线贯穿整个系统的是一组晶体管，又称总线。它携带信息字节并在各个部件之间传递。通常总线被设计成传送定长的字节块，也就是字。字中的字节数是一个基本的系统参数，各个系统中都不...
【深入理解计算机系统-学习笔记】第一章 计算机系统漫游
shitou_12的博客
05-14 754
第一章 计算机系统漫游 简介： 我们通过跟踪hello程序的生命周期来开始对系统的学习—-从它被程序员创建开始，到在系统上运行，输出简单的消息，然后终止 我们将沿着这个程序的生命周期，简单得介绍一些逐步出现的关键概念、专业数据和组成部分 hello代码： #include <stdio.h> int main() { printf("hello, workd\n"); return 0; } 1.1、信息就是位+上下文 hello程序的生命周期从源程序开始 源程序：即源文件，程序员通过创
看上一本书
mmpire之blog
06-02 1627
COMPUTER SYSTEMS: A ProgrAmmers PERSPECTIVE中文名是《深入理解计算机系统》，中科院雷迎春翻译的，好像叫《计算机系统：从一个程序员的角度看》更准确，呵呵先到书店看几天，好的话就买下了。原版国外居然要$105，china-pub也只能打到266，抢钱一样，alas...摘一些搜到的评论：************************************
笔记-深入理解计算机系统
QingWuZi2021的博客
07-14 631
文章目录计算机系统漫游信息的表示和处理信息存储数字革命的基础——二值信号信息存储十六进制表示法的妙用字数据大小寻址和字节顺序表示字符串布尔代数简介C语言逻辑运算和移位运算整数表示无符号编码的定义**深度为k的满二叉树的结点数计算，可以理解为k位且数位都是1的无符号数，计算它表示的大小**补码编码的定义补码转成无符号数无符号数转换成补码无符号数加法无符号数取反[加法逆元(`$-^u_w $`)]补码加法补码加法溢出函数补码的非[加法逆元(`$-^t_w$`)]无符号乘法补码乘法乘以常数除以2的幂的无符号除法除
深入理解计算机系统(1)
wenjiahui123的博客
03-26 985
一、信息就是位+上下文 为什么信息就是位+上下文 eg:int a = 10; a在内存中存储的是00000000000000000000000000001010，以整形的方式解读他是10，但是以浮点数的方式解释，他就不是10了，因此上下文不同，即使内存中存储的一段相同的二进制位，解读方式也不一样。 (一)、源程序(源文件)(hello.c) 源程序中的每一个字符都用ASCII码值表示 #include<stdio.h>int main(){ printf("Hello wor...
深入理解计算机系统（1）
石灰聪的博客
10-26 1348
C语言 1.1 信息就是位+上下文 hello程序的生命周期是从一个源程序（或者说源文件）开始的，文件名是hello.c。源程序实际上就是一个由值0和1组成的位（又称为比特）序列，8个位被组织成一组，称为字节。每个字节表示程序中的某些文本字符。大部分的现代计算机系统都使用ASCI1标准来表示文本字符，这种方式实际上就是用一个唯一的单字节大小的整数值来表示每个字符。 hello.c程序的ASCII码表示 注意，每个文本行都是以一个看不见的换行符"\n’来结束的，它所对应的整数值为10，像hel1o.c这样
我是傻子，从零开始手把手教我怎么做，一个knn手写数字识别
最新发布
03-11
<think>嗯，用户现在需要从零开始学习如何用KNN做手写数字识别。首先，我需要确定用户的基础。他说“我是傻子”，可能是真的零基础，或者只是自嘲，但无论如何，我需要用最简单易懂的方式解释。 首先，KNN的基本概念。得先简单介绍一下KNN是什么，但不需要太深入，重点放在应用步骤上。然后，手写数字识别通常用的是MNIST数据集，但可能需要先处理数据，比如加载数据、查看数据结构，这些步骤用户可能不熟悉，需要详细说明。 接下来是数据预处理。可能需要解释为什么需要归一化，因为像素值范围是0-255，归一化到0-1之间有助于模型训练。然后拆分训练集和测试集，这里要说明为什么需要拆分，以及如何拆分，比如用train_test_split函数。 然后是KNN模型的构建和训练。要解释KNN的原理，比如计算距离，选择最近的K个邻居，然后投票。这里可能需要提到如何选择合适的K值，比如交叉验证，但用户是零基础，可能先简单用默认值，比如K=3，后面再调优。 预测和评估部分，需要展示如何用测试集评估准确率，可能还要提到混淆矩阵或者其他指标，但先以准确率为主，保持简单。 可视化部分，用户可能想看实际预测结果，比如显示一些测试图片和预测标签，这样更直观。但需要确保代码正确，比如用matplotlib显示图像，可能需要调整图像尺寸。 最后，调优部分，可以介绍如何用交叉验证选择最佳K值，但用户可能刚开始不需要太复杂，所以放在最后作为进阶内容。 还要注意代码的注释，每一行都解释清楚，避免用户看不懂。同时，检查是否有LaTeX公式，比如KNN的公式，但用户可能不需要太深入的数学，所以可能暂时不需要，或者简单带过。 需要确保所有步骤都是按顺序的，用户能一步步跟着做，不会有遗漏。同时，考虑用户可能遇到的问题，比如库的安装，可能需要提醒安装sklearn、numpy、matplotlib等，但用户可能已经知道，所以放在最后作为提醒。 最后，用鼓励的话语结尾，让用户有信心继续学习。整个流程要清晰，步骤明确，语言简单，避免术语过多，必要时解释术语。</think>好的！我会从零开始，手把手教你用 **K近邻算法（KNN）** 实现手写数字识别。只需跟着以下步骤操作即可，保证清晰易懂！ （**注：** 代码部分我会逐步解释，确保你理解每一行意义） --- ### **第一步：环境准备** 1. **安装必要库**（若未安装，在终端输入）： ```bash pip install numpy matplotlib scikit-learn ``` --- ### **第二步：理解问题** - **目标**：用KNN算法识别手写数字图片（0~9）。 - **数据集**：使用经典的 **MNIST 数据集**（内置在sklearn中）。 --- ### **第三步：代码实现（逐行解释）** #### **1. 加载数据集** ```python from sklearn.datasets import fetch_openml mnist = fetch_openml('mnist_784', version=1) X, y = mnist["data"], mnist["target"] ``` - **解释**： - `mnist_784` 是MNIST数据集名称，每张图片是28x28像素（共784个特征）。 - `X` 是特征矩阵（每行是一张图片的像素值），`y` 是对应的数字标签。 #### **2. 查看数据形状** ```python print(X.shape) # 输出 (70000, 784) → 7万张图片，每张784像素 print(y.shape) # 输出 (70000,) → 7万个标签 ``` #### **3. 显示一张图片（验证数据正确性）** ```python import matplotlib.pyplot as plt # 取第5张图片（随便选一个） digit = X.iloc[4].values.reshape(28, 28) plt.imshow(digit, cmap="binary") plt.axis("off") plt.show() print("标签是:", y[4]) # 应显示真实标签 ``` - **效果**：显示一个手写数字图片，标签可能是5或其他。 #### **4. 数据预处理** ```python # 将像素值从0~255缩放到0~1（提高模型性能） X = X / 255.0 # 划分训练集和测试集（前6万训练，后1万测试） X_train, X_test = X[:60000], X[60000:] y_train, y_test = y[:60000], y[60000:] ``` #### **5. 训练KNN模型** ```python from sklearn.neighbors import KNeighborsClassifier # 创建KNN分类器（k=3表示看最近的3个邻居） knn = KNeighborsClassifier(n_neighbors=3) # 训练模型（可能需要几分钟，耐心等待） knn.fit(X_train, y_train) ``` #### **6. 预测并评估模型** ```python # 在测试集上预测 y_pred = knn.predict(X_test) # 计算准确率 from sklearn.metrics import accuracy_score accuracy = accuracy_score(y_test, y_pred) print("测试集准确率:", accuracy) # 约96%~97% ``` #### **7. 查看预测错误的例子（可选）** ```python import numpy as np # 找出预测错误的索引 errors = np.where(y_pred != y_test)[0] # 显示第一个错误样本 index = errors[0] wrong_digit = X_test.iloc[index].values.reshape(28, 28) plt.imshow(wrong_digit, cmap="binary") plt.title(f"预测值: {y_pred[index]}, 真实值: {y_test.iloc[index]}") plt.axis("off") plt.show() ``` --- ### **第四步：调优与改进** - **调整k值**：尝试 `k=1,3,5` 并比较准确率。 ```python for k in [1, 3, 5]: knn = KNeighborsClassifier(n_neighbors=k) knn.fit(X_train, y_train) y_pred = knn.predict(X_test) print(f"k={k} 准确率:", accuracy_score(y_test, y_pred)) ``` - **交叉验证**：用 `GridSearchCV` 自动选择最佳k值（代码略复杂，可后续学习）。 --- ### **第五步：总结** - **KNN原理**：对测试样本，找训练集中最近的k个邻居，根据它们的标签投票决定预测结果。 - **优点**：简单易实现，无需训练过程（但预测时计算量大）。 - **缺点**：数据量大时速度慢，需预处理和调参。 --- ### **附：完整代码** ```python # 导入库 from sklearn.datasets import fetch_openml from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score import matplotlib.pyplot as plt import numpy as np # 加载数据 mnist = fetch_openml('mnist_784', version=1) X, y = mnist["data"], mnist["target"] # 数据预处理 X = X / 255.0 X_train, X_test = X[:60000], X[60000:] y_train, y_test = y[:60000], y[60000:] # 训练模型 knn = KNeighborsClassifier(n_neighbors=3) knn.fit(X_train, y_train) # 预测与评估 y_pred = knn.predict(X_test) print("准确率:", accuracy_score(y_test, y_pred)) ``` --- 如果遇到问题（如代码报错），随时告诉我，我会帮你排查！ 😊
评论
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

拓跋阿秀

你的鼓励将是我创作的最大动力

¥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