This关键字正式学习笔记

DreamerV3实战:如何用世界模型在Minecraft中自动挖钻石(附完整训练流程) 本文详细介绍了如何使用DreamerV3世界模型在Minecraft中训练AI智能体自动完成挖钻石的复杂任务。文章深入分析了该任务对强化学习的挑战,提供了从环境配置、模型训练到结果评估的完整实战流程,并分享了关键的调优技巧与问题解决方案,展示了基于模型的强化学习在解决稀疏奖励问题上的强大能力。 阅读详情


在类的方法定义中使用的this关键字代表使用该方法的对象的引用。

当必须指出当前使用方法的对象是谁时 要用this

有时候 使用this 可以处理方法中成员变量和参数变量重名的情况

This可以看做一个变量 其值可以看做当前变量的引用。

 

用法如下

1.public class A{

   public A getA(){

     return this;//表示获取当前实例本身

}

}

2.

表示 类的成员变量 而非函数参数 注意在函数参数和成员变量同名进行区分

public class A{

  private int a=0;//位置1

  public A getA(int a){

This.a=a;//前面的this.a表示 位置1 的a,= 号右边的a表示参数a

      }

 

3.用于在构造方法中 引用满足指定参数类型的构造器

   public class A

      public  A(int a){

      }

      public  A(){

         This(1);//这里调用自身的构造函数  public  A (int a){

}

}

讲真 视频看了三遍 PPT看了两遍 但是还不是游刃有余的理解

除了智商原因 可能也是因为非科班出身的弊端 但是我不怕 因为 我看到了成长

第一次完全懵逼 第二次 第三次就懂点门道,

还是那句话 转行须谨慎,但是自己选择的这条路 就要对自己信守承诺。

而且我觉得现在状态挺好的啊

每天都学习新东西 而且这些新东西可以造新东西。挺好玩的。

和科班欠缺的,比如四大专业课 ,我觉得不是什么困难。

还是那句话 除了薪资 还有有最基本的热爱。

就酱   加油吧

 

测试代码如下

 

 

public class testthis {

//在所有其他类中可见可用

int i=0;

Leaf(int i){this.i=i;}

Leaf increament(){

i++;

return this;

}

void print(){System.out.println("i="+i);}

public static void main(String[] args){

Leaf leaf=new Leaf(100);

leaf.increament().increament().print();

}

}

 

//以前的笔记补充

面向对象   13   this  关键字

类(如果把车看做一个类 可以理解为一个类型 比如人类 是一个大类型 但是绝对不是指单个人)(车都有自己的颜色 大小 马力等等 这些用于描述这些车的特征 我们称之为属性 )(车是用来干嘛的 用来跑的 ,所以你在使用类的时候 使用的是他能载人 能跑的功能 可以把这样子的功能理解为方法)(但是有时候你虽然知道这辆车能跑 可以可以描述出他 但是没有一个真实的东西放在你面前也是不行的 所以 你在钓鱼方法是 必须要与实例 也就是说 你在载人时 必须要有先拥有一辆车)(那么什么是对象呢那么就要更加具体了 要描述他的属性 然后得出:我家楼下那台夏利 那么就是一个实例的例子了 你已经实例化了一个对象)(这台夏利是你爸爸的 但是你不满足这台车的一些性能  那么你可以自己改造这台车的性能 那么车在运行时就会优先体现出你改造的性能)(也就是说 如果子类对继承父类的方法不满意 可以重写父类的继承方法。当调用方法的时候 会优先调用子类的方法。这种就叫做重写。)

在类的方法的定义中 使用的this关键字 代表使用该方法的对象的引用(就是说在车这一类中 ,使用this这个关键字 代表使用这个车的功能的实例化出来的对象 的 引用)

 

当必须指出当前使用方法的对象是谁时  就要用this

有时候使用this 可以处理参数和成员变量崇明的情况

This可以看做一个变量 它的值可以看做当前对象的引用

 

This在内存里面指向他自己。

 

 

 

时序数据库避坑指南:TDengine与IoTDB在车联网场景的7个关键对比 本文对比了时序数据库TDengine与IoTDB在车联网场景下的7个关键差异,包括数据模型设计、边缘-云端协同能力、车规级函数库、存储压缩算法等。通过真实案例和性能测试,帮助企业在新能源汽车大数据处理中选择合适的时序数据库,优化存储成本和实时告警性能。 阅读详情

相关推荐

WRF后处理避坑指南:从namelist配置到降水计算的全流程解析

本文提供了一份详尽的WRF模式后处理避坑指南,涵盖从理解wrfout文件结构、核心变量解析到累计降水计算与专业气象图绘制的全流程。重点解析了RAINC与RAINNC的正确处理方法,并分享了使用wrf-python库高效绘制位势高度叠加风场图、累计降水图等专业图表的实战技巧与代码,旨在帮助用户规避常见错误,提升后处理效率与图表质量。

weixin_29200485的博客 364

C++中this关键字的用法

C++里面的this关键字:简介:在C++里面,每一个对象都能通过this指针来访问自己的地址。this是所有成员函数的隐藏参数。用法:    在C++中,当成员函数中某个变量与成员变量名字相同,则使用this关键字来表示成员变量。 或者,需要返回类变量或者结构体变量的时候,使用this关键字。     例子:当成员函数中某个变量与成员变量的名字相同时,使用this关键字       1.先创建一...

YoungFor_You的博客 7万+

Oracle EBS R12.2 安装 -- Step by Step

Oracle EBS R12.2 安装 -- Step by Step

Albert Tan DBA之路 1514

this 关键字笔记

public class PersonTest { public static void main(String[] args){ Person p1 = new Person(); p1.setAge(1); System.out.println(p1.getAge()); } } class Person{ private String name; private int age; public void set

qq_41543831的博客 132

CST仿真实例001:圆极化平板天线仿真

CST仿真实例001:圆极化平板天线仿真实例

weixin_47638568的博客 1万+

大模型系列——Ollama简明教程

在这篇文章中,我们将了解如何使用 Ollama、如何在 Ollama 中创建自己的模型 以及如何使用 Ollama 构建聊天机器人。这是深入研究 Ollama 的第一部分,以及我所学到的有关本地 LLM 的知识以及如何将它们用于基于推理的应用程序。在这篇文章中,你将了解——

2401_84052244的博客 1万+

Java关键字this、super使用总结

作者:熔岩日期:2007-03-01MSN :[email]leizhimin@126.com[/email]声明:原创作品,未经授权,谢绝转载! 好久没有对所学知识做总结了,发现好多都生疏了,为了巩固基础,对就知识做一个系统的总结,如有不完善或不正确的地方,还请各位广开言论,共同进步! Java关键字this、super使用总结   一、this        Java关键字this只能用...

weixin_34082854的博客 237

某音私信接口二进制解析

本文探讨了某音私信接口的二进制请求处理过程,重点分析了请求体中的非文本字符和混合编码结构。文章详细描述了编码过程,包括使用Protocol Buffers的序列化方法将结构化数据转换为字节流,并通过Uint8Array包装成二进制数组。作者展示了如何提取和补全s.encode方法,并将其转化为Base64字符串以便在Python中解码执行

码王吴彦祖的博客 903

Java—— this 关键字(实例是什么?)

目录 Java面向对象设计 - Java this关键字 一、什么是 this? 注意: 二、正式学习this关键字 1、this.调用本类属性,也就是类中的成员变量;用来区分成员变量和局部变量(重名问题) 2、this调用方法;用来访问本类的成员方法 3、this表示当前对象 Java面向对象设计 - Java this关键字 一、什么是 this? Java有一个名为th...

hewenqing 3097

uniapp - 实现免费OCR文字识别方案,用户上传图片后进行扫描识别获取图片上的文字,uniApp纯前端做图片OCR识别——无需服务器进行OCR识别插件(不需要依赖任何SDK或第三方API服务)

uniapp实现orc识别免费的插件识别不花钱,无需第三方OCR文字识别API,uniApp拍照或者选择图片免费识别,纯前端不需要服务器,Uniapp提取图片上的文字,本地ocr识别技术,uni-app图片OCR识别文本,uniapp有没有免费的ocr识别组件,uniapp前端实现文字识别,身份证识别,营业执照识别 (兼容APP、H5、小程序 不需要任何SDK)跨端无SDK方案:Uniapp实现OCR文字,离线OCR识别,uniapp tesseract.js实现文字识别,uniapp文字识别无需依赖sdk

🏆 前端领域优质创作者 4253

热力学仿真软件:SimScale_(1).SimScale入门与基础操作

导航栏:位于页面顶部,包含项目管理、仿真设置、结果分析等主要功能。项目列表:展示用户创建的所有项目。工作区:用于进行具体的操作,如几何建模、网格划分、边界条件设置等。控制台:显示操作日志和仿真进度。网格划分是将几何模型离散化为一系列小单元的过程,这些单元用于求解热力学方程。SimScale提供了多种网格划分方法,包括结构化网格和非结构化网格。SimScale提供了丰富的API接口,用户可以通过编程语言进行二次开发,实现自动化仿真和结果分析。项目管理:创建、删除和管理项目。几何建模:创建、导入和修复几何模型。

kkchenjj的博客 1873

C++关键字this和静态成员

一关键字this 1代码 #include <iostream> using namespace std; class CDummy { public: int isitme(CDummy& param); }; int CDummy::isitme(CDummy& param) { if (&param == thi...

实践求真知 285

计算机网络实验报告实验七可靠传输TCP协议分析

计算机网络实验报告实验七可靠传输TCP协议分析

m0_56638814的博客 966

Java关键字之this详解

  在正式的讲解this关键字之前,我们先来看看下面的一段代码: public class Test { private String name; public String getName() { return name; } public void setName(String name) { this.name = name; } }   显然这是一段对Test类进行封装的代码,我们可以发现这段代码当中出现了this关键字。假如我们并不清楚this关键字的作用,我们可以试着先把这段

hpf_coding的博客 708

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

this、final和static关键字的使用

this、final和static关键字的使用 方法是用于操作对象以及它们的实例域。下面就是一个方法 public void raiseSalary(double byPercent) { double raise = salary*byPercent/100; salary += raise; } 在这个方法当中有两个参数。 第一个参数称为隐式参数,是出现在方法名前的Emloyee类对象。也可以叫方法调用的目标或者说接收者。 第二个参数就是位于方法名后面括号中的数值,这是一个显式参数。 关键字thi

夏夏夏°的博客 459

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")

Java中关于this、super、static关键字的理解

通常,我们创建类时会指出那个类的对象的外观与行为。除非用new 创建那个类的一个对象,否则实际上并未得到任何东西。只有执行了 new 后,才会正式生成数据存储空间,并可使用相应的方法。 但在两种特殊的情形下,上述方法并不堪用: 一种情形是只想用一个存储区域来保存一个特定的数据——无论要创建多少个对象,甚至根本不创建对象。 另一种情形是我们需要一个特殊的方法,它没有与这个类的任何对象关联。也就是说...

yelvens的博客 726

this与base关键字-C#

this关键字 现在要求你编写一个程序,在一个"计算器"类里,设定一个int字段并赋值2.再写一个方法,带有一个int参数,返回这个参数和int字段相乘的值,并且要求参数名与字段名相同. 然后就写出这样一个程序 你可能也会诧异,这什么跟什么,到底是什么number乘什么number? 然后我们就可以正式介绍this关键字.在return number*number;的第一个number前面加上t...

XiuGaiZhong的博客 367

聊聊Javascript中神奇的关键字this

转载请注明链接 http://www.brusport.com/liao-liao-javascriptzhong-shen-qi-de-guan-jian-zi-this/ this是javascript中比较tricky的关键字之一.如果你不清楚它的工作的原理的话很难去使用它.下面我们以this在javacript中的事件处理中的表现来解释this的用法.Owenerowner翻译过来过来就

ljhjay的专栏 327

this.关键字理解和用法

6/12 this.关键字 在开发过程当中,构造方法的参数名和他要初始化的成员变量名一般相同。这就会产生一个问题,相同的变量名,那怎怎么分清谁是成员变量谁是局部变量呢? 隐藏问题 方法中定义了和类中成员变量名相同的局部变量。 在方法体中通过同名变量的变量名来访问变量值,只能访问到局部变量的值而不能访问到同名成员变量的值。 在方法体中就好像同名成员变量被同名局部变量给隐藏起来了。 用this.关键字来解决这个问题。给表示成员变量的变量名前加this.前缀 正式了解this. this.关键字:代表(当前

一只皮卡狗的博客 458

大白话说清楚 Java 中的 this 和 super 关键字!

今天就用最通俗易懂的大白话来聊一聊 Java 中的 this 和 super 以及 this() 和 super()。 1、this关键字 package com.cj.study.thissuper; public class Student{ public String name; public void setName(String name) { this.name = name; } public String getName() {

Java技术栈,分享最主流的Java技术 379

JS中this关键字的区别

Javascript中,不同函数,this关键字指代的区别

u010634053的博客 746

c#中的this关键字

this指类实例本身.比较正式说法是下面那种:this操作数代表的是指向此对象的参考指针。也就是说,在建立对象的实体后,我们就可以使用this来存取到此对象实体。另外,this操作数也可以用来解决名称相同的问题。需要注意的是:静态方法中不能使用this。示例如下:Example 1:this操作数用来解决名称相同的问题。class Employee{   ...   pub

紫藤阁 1745

Java_面向对象_This关键字

总结:一言以蔽之,this直接指向成员变量,当在类中方法想要用与类中同名的成员变量时,就在前面加一个this.就可以了。的名称一至时,就不知道用的时哪一个了,为了解决局部变量与成员变量的冲突,我们引入this关键字。, 局部位置有就使用, 没有就去本类的成员位置找, 有就使用, 没有就报错.这样就创建了一个成员变量与局部变量相同的类。这段代码用了俩个方法来体现this的作用。解决局部变量与成员变量的重名问题。2,给成员变量复制后调用这个类。有时我们会遇到这样的问题,当。1,直接创建并调用这个类。

m0_67085943的博客 240

关于JavaScript中this的指向的总结

JavaScript中this的指向总结 箭头函数 手写call apply bind new关键字和object.create的区别

m0_45275184的博客 1111

this关键字(转)

this关键字(转)[@more@]有时一个方法需要引用调用它的对象。为此,Java 定义了this 这个关键字。this 可以在引用当前对象的所有方法内使用。也就是,this 总是调用该方法对象的一个引用。你可以在当前类的类型...

86

Java基础: 关键字 this

在正式进入主题之前,先来点“热身”操作-成员变量的初始化! 举一个例子,如下所示: public class Animal { int weight = 10; String gender = "male"; /** * constructor 1 */ public Animal() { // 初始化成员变量 this.weight = 12; this.ge

CodingMan 1221

Java中this,static,super及final关键字和代码块

this: 可以使用this表示类中的属性------this.name=name可以使用this强调调用的是本类的方法可以使用this调用本类的构造方法------this();调用本类中无参构造方法可以使用this表示当前对象(调用方法的对象)----最重要的用途 static: 声明属性---------属性则为全局变量声明方法---------Person.set

pengkv的专栏 1815
上一篇: 第六章 常用类总结
下一篇: Pancake和import 语句——————————方法的重写
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