在Ubuntu上下载、编译和安装Android最新内核源代码（Linux Kernel

tmkeepgood tmkeepgood 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 662平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄19年
关注
转载 最新推荐文章于 2026-02-16 17:18:18 发布 662 阅读 AI 写同款· GEO 优化 ›
最新协同软件源代码60页（包括核心代码，不过不是全部代码） 最新协同软件源代码，60页，每页代码量都在50页上。不过已经申请软件著作权。 立即下载
  在前一篇文章提到，从源代码树下载下来的最新Android源代码，是不包括内核代码的，也就是Android源代码工程默认不包含Linux Kernel代码，而是使用预先编译好的内核，也就是prebuilt/android-arm/kernel/kernel-qemu文件。那么，如何才能DIY自己的内核呢？这篇文章一一道来。

      一. 首选，参照前一篇 在Ubuntu上下载、编译和安装Android最新源代码准备好Android源代码目录 。

      二. 下载Linux Kernel for Android源代码。

      1. 使用GIT工具下载，执行以下命令：

      USER-NAME@MACHINE-NAME:~/Android$ mkdir kernel

      USER-NAME@MACHINE-NAME:~/Android$ cd kernel
      USER-NAME@MACHINE-NAME:~/Android/kernel$ git clone git://android.git.kernel.org/kernel/common.git
      同样是经过漫长的等待后，在kernel目录下有一个common目录，Linux内核代码就在这里了。
      2. 下载完成后，可以查看下载的内核代码版本：
     USER-NAME@MACHINE-NAME:~/Android/kernel$ cd  common
      USER-NAME@MACHINE-NAME:~/Android/kernel/common$ git  branch
      android-2.6.36
      3. 下载完Android的Linux内核代码后，会发现在arch/arm/configs下没有模拟器要使用的硬件配置文件
goldfish_defconfig，而这个配置文件是编译内核代码时需要用到的，因此，需要checkout goldfish版本：
     USER-NAME@MACHINE-NAME:~/Android/kernel/common$ git branch -a
      * android-2.6.36
      remotes/origin/HEAD -> origin/android-2.6.36
      remotes/origin/android-2.6.35
      remotes/origin/android-2.6.36
      remotes/origin/archive/android-2.6.25
      remotes/origin/archive/android-2.6.27
      remotes/origin/archive/android-2.6.29
      remotes/origin/archive/android-2.6.32
      remotes/origin/archive/android-gldfish-2.6.29
      remotes/origin/archive/android-goldfish-2.6.27
      选择android-gldfish-2.6.29：
      USER-NAME@MACHINE-NAME:~/Android/kernel/common$ git checkout remotes/origin/archive/android-gldfish-2.6.29
      下载完毕后，就能在arch/arm/configs下看到goldfish_defconfig这个文件了。
     三. 编译内核代码。
     1. 导出交叉编译工具目录到$PATH环境变量中去：
       USER-NAME@MACHINE-NAME:~/Android/kernel/common$ export PATH=$PATH:~/Android/prebuilt/linux-x86/toolchain/arm-eabi-4.4.3/bin
     2. 修改common目录下的Makefile文件的以下两行为：
      # ARCH                        ?= (SUBARCH)
      # CROSS_COMPILE        ?= 
      ARCH                                ?= arm  #体系结构为arm
      CROSS_COMPILE            ?= arm-eabi- #交叉编译工具链前缀，参考~/Android/prebuilt/linux-x86/toolchain/arm-eabi-4.4.3/bin目录 
      3. 开始编译：
      USER-NAME@MACHINE-NAME:~/Android/kernel/common$ make goldfish_defconfig
      USER-NAME@MACHINE-NAME:~/Android/kernel/common$ make
     编译成功后，可看到下面两行：
      OBJCOPY arch/arm/boot/zImage
      Kernel: arch/arm/boot/zImage is ready
      在执行make命令前，你也可以执行make menuconfig先配置一下编译选项。
     四. 在模拟器中运行编译好的内核。
     1. 在启动模拟器之前，先设置模拟器的目录到环境变量$PATH中去：
     USER-NAME@MACHINE-NAME:~/Android$ export PATH=$PATH:~/Android/out/host/linux-x86/bin
      2. 设置ANDROID_PRODUCT_OUT环境变量：
      USER-NAME@MACHINE-NAME:~/Android$ export ANDROID_PRODUCT_OUT=~/Android/out/target/product/generic
      3. 在后台中指定内核文件启动模拟器：
      USER-NAME@MACHINE-NAME:~/Android$  emulator -kernel ./kernel/common/arch/arm/boot/zImage &
      4. 用adb工具连接模拟器，查看内核版本信息，看看模拟器上跑的内核是不是我们刚才编译出来的内核：
      USER-NAME@MACHINE-NAME:~/Android$ adb shell
      这时候如果是第一次运行 adb shell命令，会看到以下输出，不用管它，再运行一次adb shell命令就可以了。
      * daemon not running. start it now on port 5037 *
      * daemon started successfully *
      error: device offline
      切换到proc目录：
      root@android:/ # cd proc
      root@android:/proc # cat version
      Linux version 2.6.29-gb0d93fb-dirty (luo@ubuntu-11-04) (gcc version 4.4.3 (GCC) ) #1 Fri Jun 3 23:17:24 HKT 2011
     从机器名luo@ubuntu-11-04和日期1 Fri Jun 3 23:17:24 HKT 2011可以看出，模拟器使用的内核即为刚刚编译出来的内核。
基于Python的网贷平台数据爬虫实战：Scrapy+Selenium+反反爬策略 python复制下载# items.py本文详细介绍了如何使用Python构建一个完整的网贷平台数据爬虫系统，涵盖了从基础爬取到高级反反爬策略的全套解决方案。我们使用了Scrapy框架作为基础，结合Selenium处理动态内容，实现了多种反反爬策略，并探讨了分布式爬虫的实现方式。机器学习识别验证码基于深度学习的网页结构变化检测自动化行为模拟的更精细控制基于Kubernetes的弹性爬虫集群。 阅读详情

相关推荐

SOC Boot学习（二）——JTAG Debug介绍

JTAG(Joint Test Action Group ，联合测试行动小组 ) 是一种国际标准测试协议，主要用于芯片内部测试及对系统进行仿真、调试。JTAG 技术是一种嵌入式调试技术，它在芯片内部封装了专门的测试电路 TAP （ Test Access Port ，测试访问口），通过专用的 JTAG 测试工具对内部节点进行测试。如今大多数比较复杂的器件都支持 JTAG 协议，如 ARM 、 DSP 、 FPGA 器件等。

yttt的博客 1606

Ubuntu 环境下Android-NDK独立工具链安装

1.首先下载Android-ndk 2.解压，进入根目录下build/tools下 3.创建目录/opt/android/armv7 和 /opt/android/arm64 用于后面的安装目录 4.增加环境变量ANDROID-NDK=/your/path/ndk,并生效 5.运行make-standalone-toolchain.sh 脚本生产工具链 32位: sudo ./mak...

chengbinzheng的专栏 943

最新版Node.js下载安装及环境配置教程（非常详细）

选择对应你系统的Node.js版本。

DN金猿的博客 12万+

将 Arch Linux 内核从 stable 更换为 LTS 的办法与案例

干啥 将 Arch Linux 内核从 stable 更换为 LTS。以此降低内核更新的频率。 Q&A 安装内核只需要安装内核的包吗？对应的头文件包要不要装？比如 linux-lts 与 linux-lts-headers。 在中文帖子里是两个都装，在英文帖却是只装前者。也就是说不装新内核对应的头文件包也是可以的，非必须安装。 假设装内核和其对应的头文件包，删除旧内核的时候要不要删除其头文件包？ 在 Arch Linux 更换到稳定版LTS内核。Adin一文中两个都安装了，但是删除旧内核的时

Kearney 5649

ThinkPHP+Layui开发的ERP管理系统

ERP采购生产销售系统，一款基于ThinkPHP+Layui开发的ERP管理系统，帮助中小企业实现ERP管理规范化，此系统能为你解决五大方面的经营问题：1.采购管理 2.销售管理 3.仓库管理 4.资金管理 5.生产管理，适用于：服装鞋帽、化妆品、机械机电、家具装潢、建材行业、快销品、母婴用品、办公用品、汽配汽修、生鲜农贸、手机通讯、数码家电、医药用品、制造业、信息技术服务行业等。提供全部无加密服务端和前端源代码，独立部署，不受限制。

u011092458的博客 788

相机SDK开发C++篇-常用开发函数封装讲解(迈德威视相机)

/ 软触发失败，返回false } return true;= (nRet = CameraSetSysOption("NumBuffers", QString("%1").arg(getImageBufferNodeNum()).toLocal8Bit().data()))) { setLastErrorMsg("相机#%1设置缓存区数量错误,错误码:%2").arg(getCameraIndex()).arg(nRet);

GodJhin的博客 1542

Archlinux 安装 linux-lts 内核

Archlinux 安装 linux-lts 内核 春节期间在家折腾 k8s, 尝试安装 cri-o 的时候习惯性的先执行了 pacman -Syu （操作系统用的 archlinux ），然后再安装 cri-o, pacman -S cri-o, 理论上 cri-o 会默认在 sysctl 里配置 bridge-nf-call-iptables = 1，但是重启后发现 bridge-nf-call-iptables = 1 没生效，手动配置之后也不行，提示 br_netfilter 内核模块没加载， 手动

3908

PyCharm 2024最新版图文安装教程（python环境搭建+PyCharm安装+运行测试+汉化+背景图设置）

PyCharm 2024新版图文安装教程（python环境搭建+PyCharm安装+运行测试+汉化+背景图设置）

Code_流苏：在代码中寻诗意，在实践中觅真知 4万+

kernel_mktime() 详解 —— Linux-0.11 学习笔记（四）

题目：kernel_mktime() 详解 —— Linux-0.11 学习笔记（四） 在init/main.c文件中，有一个函数static void time_init(void) 该函数读取 CMOS 实时时钟信息作为开机时间，并保存到全局变量startup_time （以秒为单位）中。 static void time_init(void) { struct tm time;...

车子（chezi） 1269

【ArcGIS风暴】ArcGIS 10.2导入Excel数据X、Y坐标（经纬度、平面坐标），生成Shapefile点数据图层

用过CASS的人都知道，野外数字测图得到的点数据（平面坐标）可以直接导入到CASS中，进一步绘制地形图。那么，带有坐标的数据能不能在ArcGIS中实现点图层的生成呢？答案是必须的！ 本文以气象台站shp数据的生成为例，详细介绍ArcGIS 10.2中导入X、Y坐标（这里指的是经度、纬度），生成Shapefile点数据的流程。 相关阅读：《全站仪、RTK测量坐标数据在CASS和ArcGIS中展点的区别和联系》 目录 1、数据准备 2、添加X、Y数据 3、属性表连接（Join） 4、导出为Sh.

智慧空间实验室 10万+

【AI智能体】基于OpenCode 搭建Skills环境与项目实战开发详解

基于OpenCode 搭建Skills环境与项目实战开发详解

congge 8899

在Ubuntu上下载、编译和安装Android最新内核源代码（Linux Kernel）

在前一篇文章提到，从源代码树下载下来的最新Android源代码，是不包括内核代码的，也就是Android源代码工程默认不包含Linux Kernel代码，而是使用预先编译好的内核，也就是prebuilt/android-arm/kernel/kernel-qemu文件。那么，如何才能DIY自己的内核呢？这篇文章一一道来。      一. 首选，参照前一篇在Ubuntu上下载、编译和安装Androi

老罗的Android之旅 15万+

SAP BSIS：总账未清项表（Open Items）总账未清项 包含哪些业务 请给以举例说明

SAP总账未清项是指需要未来核销的会计行项目，仅适用于勾选"未清项管理"的总账科目。典型业务场景包括：供应商预付款（借方未清项）、员工备用金（借方未清项）、客户预收款（贷方未清项）和保险理赔（借方未清项）。系统通过表BSIS/BSAS跟踪未清项，支持明细追踪和账实核对。核心价值在于提供总账级别的明细管理能力，确保往来款项完整清账，简化对账流程，满足特殊业务管理需求。可通过FBL3N事务码查询和管理所有总账未清项。

金牌架构师 723

安卓 arm linux内核编译环境变量,在Ubuntu上下载、编译和安装Android最新内核源代码（Linux Kernel）...

在前一篇文章(http://www.linuxidc.com/Linux/2011-06/37781.htm)提到，从源代码树下载下来的最新Android源代码，是不包括内核代码的，也就是Android源代码工程默认不包含Linux Kernel代码，而是使用预先编译好的内核，也就是prebuilt/android-arm/kernel/kernel-qemu文件。那么，如何才能DIY自己的内核呢...

weixin_35651916的博客 352

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

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")

怎么在ubuntu上下载跟手机内核版本匹配linux内核源码,在ubuntu上下载、编译和安装android最新内核源代码(linux kernel).docx...

在ubuntu上下载、编译和安装android最新内核源代码(linux kernel).docx还剩2页未读，继续阅读下载文档到电脑，马上远离加班熬夜！亲，喜欢就下载吧，价低环保！内容要点：在前一篇文章提到，从源代码树下载下来的最新 Android 源代码，是不包括内核代码的，也就是 Android 源代码工程默认不包含 Linux Kernel 代码，而是使用预先编译好的内核，也就是 preb...

weixin_33933280的博客 412

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

在Ubuntu上下载 编译和安装Android最新内核源代码 Linux Kernel

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.youkuaiyun.com/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp;&

hfyugg的博客 329

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。

在Ubuntu上下载 编译和安装Android最新内核源代码（Linux Kernel）

在Ubuntu上下载 编译和安装Android最新内核源代码（Linux Kernel）

ufryyfdf的博客 273

android安装linux内核,在Ubuntu上下载、编译和安装Android最新内核源代码（Linux Kernel）...

在前一篇文章提到，从源代码树下载下来的最新Android源代码，是不包括内核代码的，也就是Android源代码工程默认不包含Linux Kernel代码，而是使用预先编译好的内核，也就是prebuilt/android-arm/kernel/kernel-qemu文件。那么，如何才能DIY自己的内核呢？这篇文章一一道来。二. 下载Linux Kernel for Android源代码。1. 使用G...

weixin_33390899的博客 408
上一篇： 在Ubuntu上下载、编译和安装Android最新源代码
下一篇： Linux内核同步机制API函数：宏：spin_lock_init ( )
点赞 0
评论 0
书签 书签 0
tmkeepgood
tmkeepgood
博客等级 码龄19年 11粉丝 14原创
+ 关注
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
 
表情包 插入表情
表情包 代码片
 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