win10下开通FTP服务器配置防火墙的方法

Win10搭建FTP服务器详细教程-附操作截图 文章目录新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客: 全新的界面设 阅读详情

方法一:

在防火墙的入站规则上新建规则,将C:\Windows\System32\svchost.exe程序开通允许。建好后,在WINDOWS防火墙的允许应用或功能通过防火墙的清单里会出现同名称的程序。



方法二:在控制面板\所有控制面板项\Windows 防火墙\允许的应用中,把C:\Windows\System32\svchost.exe程序添加进去,会产生windows服务主进程的名称,同时在防火墙进站规则里产生同名进程。

Windows10系统开启FTP服务--主机通过winscp互传文件 同一局域网下,两台主机可以开启win10自带的FTP功能,通过winscp软件来互传文件。 阅读详情

相关推荐

Win10 该如何设置FTP呢,详细设置步骤

复印,打印,扫描的日常操作是每个办公人员的必备技能,我们来了解一下扫描至FTP的具体操作方法。要使用FTP功能扫描文件到电脑,首先要需要一台可以接收文件的FTP服务器,这个服务器我们可以...

IT技术分享社区 1万+

win10 ftp服务器搭建教程

ftp服务器详细搭建

m0_59324968的博客 1299

翻倍密码系统主图指标-行情买卖以及持股-翻倍密码买点-获利了结,通达信炒股软件指标公式

华森制药,上图案例走势,低位出现“开始潜伏”信号,进场红色K线持股待涨,进入“翻倍密码买点”,开启紫色K线的持续上涨,目前也达到了翻倍行情,还没出现“获利了结”的出场信号。这套操盘系统,即便出现信号没走出翻倍行情,也都是可以全身而退,获利出局,或者微微止损出场,并不代表每一个波段都能翻倍,但是走翻倍行情,你按照信号参与或持仓是不会错过的。用这个操盘系统操作,你也不需要天天的盘中看盘,不需要担心盘中的震荡,只要趋势不变,哪怕是偶尔出现跌停,也不影响行情的继续上涨,这都是上涨途中的正常调整。

weixin_69760830的博客 3682

Win10开启FTP与配置

9.点击允许其它应用,选择C:\Windows\System32\svchost.exe然后添加,最后确定。Internet Information Services---勾選FTP服務器,IIS管理控制台。#7.控制面板>系统和安全>防火墙>允许应用或功能通过Window防火墙>…(控制面板可在 桌面右键>个性化>主题>桌面图标设置>勾选控制面板>确定)#1.控制面板>程序>启用或关闭Windows功能>#8.点击更改设置,勾选FTP服务器&专用&公用。#5.IP地址填FTP本机IP,选择无SSL。

hu5566798的博客 2327

解锁 STP 与 SOLIDWORKS 转换密码:工具及迪威在线转换秘籍

STP 文件能够完整地记录 3D 模型的几何形状、尺寸、公差、材料属性等丰富信息,无论是简单的机械零件,还是复杂的装配体,都能精准呈现。而在线转换以迪威模型为例,凭借便捷性、高效性和安全性,为广大 3D 专业技术人员和学生党在无需安装额外软件的情况下,轻松实现格式转换提供了有力支持。在实际工作和学习中,可根据自身具体情况灵活选择合适的转换方式,以确保 3D 设计工作流程的顺畅进行,让创意在不同格式间自由流动并绽放光彩。在 3D 设计与建模的广袤世界里,不同格式文件间的转换常常是连接创意与实现的关键桥梁。

技术说明博主 3449

vivado运行时报错 license文件更新操作

vivado使用:SYNTHESIS->Run Synthesis 时报错 [Common 17-345] A valid license was not found for feature ‘Synthesis’ and/or device ‘xc7vx485t’. Please run the Vivado License Manager for assistance in determiningwhich features and devices are licensed for your sy

qq_44692266的博客 2万+

【Tools】Win10系统搭建匿名FTP服务器详解

00. 目录 文章目录00. 目录01. FTP服务器概述02. FTP服务器要求03. Win10系统配置FTP服务04. Win10系统配置IIS服务05. Win10系统防火墙设置06. Win10系统FTP服务器测试07. 附录 01. FTP服务器概述 FTP(File Transfer Protocol)是TCP/IP网络上两台计算机传送文件的协议,它可以帮助主机间实现文件共享。最近,就有不少win10正式版]的用户反映自己想要在新系统下搭建FTP服务器,可是却不知道该如何操作,这该怎么办呢?接

C/C++软件工程师、嵌入式软件工程师、物联网研发工程师、C/C++讲师、物联网讲师、嵌入式讲师、鸿蒙讲师---欢迎大家一起交流(私信添加博主微信) 2855

别再让CPU干GPU的活了:CST Studio Suite GPU加速深度调优指南(从驱动版本到任务管理器监控)

本文深入探讨了CST Studio Suite的GPU加速深度调优方法,从NVIDIA驱动版本选择到系统级资源管理,再到实时监控与瓶颈诊断技术。通过科学的驱动优化、GPU资源管理策略和高级调优技巧,显著提升仿真效率,特别适合电磁仿真工程师和硬件加速需求的专业用户。

weixin_28740299的博客 168

Windows10搭建外网可访问的ftp服务器

1. 场景描述: 我的实验室有个路由器和电脑甲,路由器的IP地址为A,电脑甲使用的是A下的子网,IP地址为B。 我的宿舍有台电脑乙,电脑乙的IP地址为C。 现在需要在电脑甲上搭建ftp服务器,供电脑乙访问。 2. 在电脑甲上允许FTP服务器通过防火墙 进到"防火墙和网络保护"窗口下,选择"允许应用通过防火墙"。 点击"更改设置",然后找到"FTP服务器",勾选后面的选框,最后点确定。 3. 在电脑甲上搭建ftp服务器 进入控制面板>程序,点击"启用或关闭Windows功能" 找到"Inte

weixin_43666969的博客 1万+

从零搭建VGGNet

在 forward 方法中实现了前向传播过程,包括卷积、激活、池化和平铺操作,最后通过全连接层得到分类结果。使用 torch.onnx.export 将模型导出为 ONNX 格式的文件 vgg.onnx。导出 ONNX:将模型导出为 ONNX 格式,便于在其他平台或框架中使用。定义 VGG 网络:构建了一个包含多个卷积层、池化层和全连接层的网络。使用 torch.save 将整个模型保存为 vgg.pth 文件。前向传播:对输入数据进行前向传播,得到输出结果。保存模型:将模型保存为 .pth 文件。

开源驱动,创造价值;坦诚清晰,快速失败;让复杂可计算。 522

反光柱定位算法实战03:VEnus代码解析和纯反光柱定位中的可改进方向

本文深入解析了开源框架VEnus的反光柱定位与建图实现流程,包括强度提取、聚类、数据关联、位姿优化等核心模块。同时指出其三大局限:匹配质量脆弱性、单一传感器依赖和地图扩展逻辑缺失,并提出改进方向:融合里程计/IMU数据、引入图优化后端、建立动态地图维护机制。该分析为基于反光柱的定位系统优化提供了实用参考,有助于提升工业场景下的定位鲁棒性和精确性。

Studying…… 521

Windows和Linux系统开通FTP教程

Windows环境 1.WindowsServer系统 首先在左下角开始菜单右键选择运行输入“dcomcnfg.exe”,打开组件服务管理。    展开组件服务,计算机,右击我的电脑,选择属性。    在默认属性选项卡中, 选择:- 勾选“在此计算机中启用分布式COM”- 默认身份验证级别, 选择为“连接”- 默认模拟级别,选择为“标识”    右键重启Distributed Transaction Coordinator服务。 1.打开windo...

小天狼星 2315

你一直忽略的神器:离你最近的超强语音输入法(微信语音输入全攻略,支持全局混用)

你一直忽略的语音输入工具🎤 ,其实就在身边!无需额外软件,即可实现全局语音转文字⚡ 支持中英文混输,还能与其他输入法混合使用,聊天、办公都能高效完成,让你的输入效率轻松翻倍🚀

XiaoqiangClub的博客 924

FTP被动模式设置

ftp分为被动模式和主动模式,主动模式需要客户机防火墙配置,不方便。被动模式需要配置服务器。Win10上配置ftps时,需要填写外部ip地址,并且唯一。于是外网和内网不能同时使用ftp服务。解决办法时开两个ftps,对内的一个开21端口,以免访问时输入到端口号。对外的开2121端口,配合frp转换成vps的21端口。 环境: windows server 2012R2  FTPclient  FileZilla 3.7.3   w

weixin_37826215的博客 1万+

冠层分析法提取叶面积指数及其应用

冠层分析法是利用植物冠层空间结构分析LAI的方法。其基本原理是通过相机或扫描仪对植物冠层垂直方向的照片或图像进行获取,再运用图像处理方法实现植被的自动识别和覆盖度计算,以此推算LAI。假设有一块田地,需测量其LAI,首先在田地中央设置一杆高度为3米、朝向田地中心、覆盖角度为50度的相机。利用上述函数,对相机采集到的图像进行处理,即可得到田地的LAI。在Matlab中,读取图片可以使用imread函数,对图片进行预处理可以使用imadjust函数调整灰度,使用imbinarize函数进行二值化处理。

m0_47037246的博客 741

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")

php主机控制面板如何搭建ftp,个人主机如何搭建FTP服务器?(win10版本)

服务器之家小编前几天发了一个文章《个人主机如何搭建FTP服务器?(win7版本)》今天为大家来的是关于个人电脑上搭建FTP服务器的win10版本!第一。开通服务1.右击开始图标:点击“控制面板”2.点击”程序“:3,点击“启用或关闭window功能”:4,勾选下图标记的选项。第二。打开IIS管理器,建立站点。1,搜索”IIS“,打开它。2,展开,右击网站,添加ftp3,输入站点名,和共享文件夹所在...

weixin_30456235的博客 339

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

ftp服务器 文件无显示,ftp服务器 文件无显示

ftp服务器 文件无显示 内容精选换一换Windows弹性云服务器虚拟化驱动异常(Tools没有正常运行)。为保证弹性云服务器的正常使用,请参见本节内容进行修复。弹性云服务器虚拟化驱动异常会影响弹性云服务器服务数据安全、可用性、系统性能。具体影响的表现:可能导致弹性云服务器文件系统损坏。用户控制台单击“关机”、“重启”按钮,由于没有Tools,在云平台底层弹性云服务器会被“强制本节为您介绍如何通过...

weixin_30069113的博客 1992

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。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

外网端口映射后使用win10命令行能够连接FTP但是不能使用ls、dir命令以及上传文件

一、首先记录一下环境信息 1、服务器操作系统是CentOS7,具体信息见截图,并且这是华为云的一台云服务器,这台服务器没有开启防火墙并且也没有安装iptables,是不是这种云服务器都有统一的防火墙做防护呢? 2、使用vsftpd提供FTP服务,配置为“被动模式”,命令端口是20222,同时为被动模式开放的一组端口如截图所示: 3、申请开通外网端口到内网端口的映射,按理来说开通映射后就可以外网对应端口上面的请求转发到内网端口上面的。端口映射情况如下(xxx是外网、yyy是内网IP): xxx

lixiufei_1028的博客 2695

转帖:win10 环境下局域网 搭建FTP服务器

按:经本人验证,此文最好用。 出处:http://www.th7.cn/system/win/201601/149583.shtml 第一。开通服务 1.右击开始图标:点击“控制面板”         2.点击”程序“: 3,点击“启用或关闭window功能”:   4,勾选下图标记的选项。     第二。打开IIS管理器,建立站点。   1, 搜索...

weixin_34235105的博客 193

windows10创建ftp服务器

    1、创建用户      2、创建FTP服务               3、开通防火墙服务   建立端口21,20入站规则                     4、访问测试    转载于:https://www.cnblogs.com/shaosks/p/10470656.html...

weixin_33711641的博客 140

修复win7本地服务器,win7开启本地服务器配置

win7开启本地服务器配置 内容精选换一换当云服务器网络异常、防火墙未放行本地远程桌面端口、云服务器CPU负载过高等场景均可能导致云服务器无法正常登录。当您的云服务器无法远程登录时,我们建议您首先检查是否可以通过控制台远程登录。再参考排查思路检查登录异常的原因。远程登录失败时,请首先尝试能否通过管理控制台,使用VNC方式登录云服务器。单击这里了解云服务器登录前的准备工作。登录管理云搜索服务提供了终...

weixin_39734493的博客 449

IIS简介和WEB部署、FTP部署

一、IIS简介        市面上有很多可以搭建的服务器。windows系统是用的IIS,其可以发布WEB站点和ftp站点等等。linux系统有Apache、LAMP、Tomcat、Nginx等。还有一些第三方的,如phpstudy、xampp等。        IIS是互联网信息服务,它有很多功能,是由微软公司发布的。今天我要写的是WEB服务器,也可以叫网页服务器、

qq_48626285的博客 910

ftp ---- vsftpd安装&卸载

CentOS 7.3 已安装yum,配置yum源 vsftpd安装 # 查看是否安装过 rpm –qa | grep vsftpd # 没安装过继续 # 可进入安装光盘挂载点的 Pachages 目录,输入下面的命 令来安装: rpm -ivh vsftpd-2.2.2-6.el6.i686.rpm # 有网情况可以直接使用yum简单安装 yum install vsftpd -y # 防火墙 # (1)直接关闭防火墙 启动: systemctl start firewalld 关闭: sy

weixin_44235759的博客 8254

win7怎么进网络连接服务器未响应,win7 怎么远程连接服务器未响应

win7 怎么远程连接服务器未响应 内容精选换一换华为云帮助中心,为用户提供产品简介、价格说明、购买指南、用户指南、API参考、最佳实践、常见问题、视频帮助等技术文档,帮助您快速上手使用华为云服务。华为云帮助中心,为用户提供产品简介、价格说明、购买指南、用户指南、API参考、最佳实践、常见问题、视频帮助等技术文档,帮助您快速上手使用华为云服务。win7 怎么远程连接服务器未响应 相关内容使用Mac...

weixin_34775101的博客 314
上一篇: WSDL WebService的创建和使用实例
zzu_java
博客等级 码龄11年 1粉丝 14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