“MaxPool”的%1减去%2所导致的负维度大小
"MaxPool"是一种常用的池化操作，用于降低输入数据的维度大小。在深度学习中，MaxPool通常用于卷积神经网络（CNN）中，以减少特征图的空间尺寸，从而减少计算量并提取更显著的特征。
MaxPool的%1减去%2所导致的负维度大小是指在进行MaxPool操作时，输入数据的维度大小减去%1和%2的结果为负数。这种情况通常是由于输入数据的尺寸过小或者MaxPool的参数设置不合理导致的。
在处理这种情况时，可以考虑以下解决方案：
- 调整输入数据的尺寸：如果输入数据的尺寸过小，可以通过增加输入数据的大小或者使用更小的MaxPool窗口尺寸来解决负维度大小的问题。
- 调整MaxPool的参数：可以尝试减小MaxPool的窗口尺寸或者调整步幅（stride）来避免负维度大小的问题。
- 检查网络结构：检查网络结构中是否存在其他操作或层次的设置不当，可能会导致负维度大小的问题。
腾讯云提供了一系列与深度学习和人工智能相关的产品，如腾讯云AI Lab、腾讯云机器学习平台等，可以帮助开发者进行模型训练、推理和部署等任务。具体产品介绍和链接地址请参考腾讯云官方网站或者咨询腾讯云客服人员。
相关·内容
我使用Keras和Tensorflow作为后端，下面是我的代码：
K.clear_session()
model=Sequential()
model.add(layers.Conv2D(32,(3,3),padding='same',input_shape=(49,43,1),activation='relu'))
model.add(layers.Conv2D(64,(3,3),activation='relu'))
model.add(layers.MaxPool2D(pool_size=(8,8)))
model.add(layers
浏览 0提问于2020-11-08得票数 0
1回答
我试着训练一个笔筒模型，想法是把任何大小的图像都放进去，所以我开始使用nn.AdaptiveAvgPool2d，但是错误出现在
mat1 dim 1必须与mat2 dim 0匹配。
这是我的密码
class LeNet5(nn.Module):
def __init__(self, num_classes=10):
super(LeNet5, self).__init__()
self.conv_1 = nn.Conv2d(
in_channels=1, out_channels=32, kernel_size=5, bias=False
浏览 3提问于2021-03-15得票数 0
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。这一层的样本如下：
model.add(Conv2D(256, (3, 3), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=2))
我从32个特征地图开始，以512结束。如果我在上面的代码中的每个Conv层之后添加了MaxPooling，那么在最
浏览 0提问于2017-10-01得票数 1
回答已采纳
所以，我有一个U-Net模型，我将5000x5000x3的图像输入到模型中，然后我得到了上面的错误。 这是我的模型。 import torch
import torch.nn as nn
def double_conv(in_channels, out_channels):
return nn.Sequential(
nn.Conv2d(in_channels, out_channels, 3, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(out_channels, out_channe
浏览 25提问于2019-06-27得票数 1
回答已采纳
1回答
我试图将数据增强作为一个层添加到模型中，但我认为这是一个形状问题。我也尝试在增广层中指定输入形状。当我从模型中取出data_augmentation层时，它运行得很好。
preprocessing.RandomFlip('horizontal', input_shape=(224, 224, 3))
data_augmentation_layer = keras.Sequential([
preprocessing.RandomFlip('horizontal'),
prepro
浏览 8提问于2022-03-13得票数 2
回答已采纳
1回答
解码器上采样大小
、、、
我有一个简单的自动编码器，看起来像这样：
class Autoencoder(nn.Module):
def __init__(self):
super(Autoencoder, self).__init__()
self.channels = [3, 8, 16, 32]
self.encoder = nn.Sequential(
# layer 1
nn.Conv2d(self.channels[0], self.channels[1], 3, 1, 1),
浏览 15提问于2021-03-11得票数 1
回答已采纳
我正在使用以下模型对MNIST数据集执行CNN： class ConvNet(nn.Module):
def __init__(self, mode):
super(ConvNet, self).__init__()
# Define various layers here, such as in the tutorial example
# self.conv1 = nn.Conv2D(...)
#First Convolution Kayer
#input size (28,28), output size = (24,24)
浏览 112提问于2021-10-23得票数 1
1回答
import torch.nn as nn
class MyModel(nn.Module):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = nn.Conv2d(1, 32, kernel_size=5, stride=2, padding=2)
self.conv2 = nn.Conv2d(32, 64, kernel_size=5,stride=2)
self.fc = nn.Linear(884736, 1000)
浏览 2提问于2020-06-16得票数 0
我正在尝试将tensorflow中生成的代码重新实现为pytroch，但我遇到了maxpooling，查看了这两个框架的文档，发现它们的行为并不相同。请有人向我解释他们为什么不同，哪个更有效率(我问这个是因为他们给出了不同的结果)？
import tensorflow
from tensorflow.keras.layers import GlobalMaxPool1D
tf_tensor = tensorflow.random.normal([8, 6, 5])
tf_maxpool = GlobalMaxPool1D()
print("output shape : ",
浏览 10提问于2021-09-21得票数 0
我试图用Cifar10数据集来训练CNN模型，我得到了以下错误：
8 optimizer.zero_grad()
9 input, target = batch
---> 10 input = input.view(batch_size, n_channel, 32, 32)
11 output = model(input)
12 loss = loss_fn(output, target)
RuntimeError: shape '[64, 3, 32, 32]'
浏览 4提问于2022-07-07得票数 0
使用PyTorch可以使用Conv2d来执行Conv1d吗？这个问题可能看起来很奇怪，但我需要使用一个与conv1d不兼容的工具，但它可以与conv2d兼容。
如果我有Conv1d(in,out, kernel_size=3, stride=stride, padding=1, bias=False)怎么办？可以帮我解压吗？
我对AvgPool1d (-> AvgPool2d) and MaxPool1d (-> MaxPool2d)也有同样的问题。
浏览 2提问于2019-12-12得票数 0
我试图从CNN的设计开始，我找到了这段代码，我试图从中推断出设计(f.maps大小，大步.)。
我所理解的是，我们有:输入-> Conv5-32 -> maxpool -> Conv5-5 --> maxpool -> fc1 ->输出。
我不明白的是fc1的输入，为什么它是7乘7？
有人能帮帮我吗？(我是初学者)
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('
浏览 4提问于2016-07-04得票数 1
回答已采纳
1回答
我试图在我的模型中添加另一层，但我得到了一个错误。它对2层非常有用，但是当添加另一层时，我会得到错误消息。
Negative dimension size caused by subtracting 5 from 4
我的代码：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, kernel_size=(5, 5), input_shape=(28, 28, 1)),
tf.keras.layers.MaxPool2D(),
tf.keras.layers.Conv2D(64, kernel_
浏览 6提问于2022-03-10得票数 0
回答已采纳
我有一个输入/张量，其形状是：
torch.Size([256, 3, 28, 28])
(批次大小为256个，3个通道，28x28图像)
像这样的模特：
class Model(nn.Module):
def __init__(self):
super().__init__()
self.network = nn.Sequential(
nn.Conv2d(3, 28, kernel_size=3, padding=1),
nn.ReLU(),
nn.Conv2d(28, 56,
浏览 2提问于2021-02-06得票数 0
回答已采纳
1回答
我试图理解为什么我的分类器有一个维度问题。这是我的代码：
class convnet(nn.Module):
def __init__(self, num_classes=1000):
super(convnet, self).__init__()
self.features = nn.Sequential(
nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.BatchNo
浏览 3提问于2020-06-05得票数 0
回答已采纳
我目前正在执行我的TensorFlow专门化任务，我使用的是马匹和人类数据集()，其思想是对任何给定的图像进行分类，其中是否包含一匹马或一个人。我正在学习教程->()。但我是在我的Pycharm IDE中这么做的。
import os
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import tensorflow as tf
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.preprocessing.image
浏览 5提问于2020-06-14得票数 0
回答已采纳
我正在构建一个图像分类器模型，它使用CNN对手写数字MNIST 28x28灰度图像进行分类，这是我的图层定义
model = keras.Sequential()
model.add(keras.layers.Conv2D(64,(3,3),activation='relu',input_shape=(28,28,1)))
model.add(keras.layers.MaxPool2D((2,2)))
model.add(keras.layers.Conv2D(64,(3,3),activation='relu'))
model.add(keras.
浏览 4提问于2020-08-28得票数 0
回答已采纳
1回答
全连接层大小
、、、
我正在使用conv net进行图像分类，我从头开始构建它 与垃圾相比，我得到了很好的结果 网络架构： model = Sequential()
model.add(Conv2D(24,kernel_size=3,padding='same',activation='relu',
input_shape=(n,n,1)))
model.add(MaxPool2D())
model.add(Conv2D(48,kernel_size=3,padding='same',activation='relu'))
model
浏览 29提问于2019-06-13得票数 0
回答已采纳
我在PyTorch中玩MaxPool2D，在设置padding=1时发现了一些奇怪的行为。我得到的是：
代码：
import torch
from torch.nn.functional import max_pool2d
TEST = 1
def test_maxpool(negative=False, tnsr_size=2, kernel_size=2, stride=2, padding=0):
"""Test MaxPool2D.
"""
global TEST
print(f'=== TE
浏览 2提问于2020-02-15得票数 1
回答已采纳
2回答
我希望能够通过单击和拖动在我的应用程序中创建一个div。单击将启动div创建，而拖动将调整div的大小。
我已经在几个jquery日历插件中看到了类似的功能，我希望在我的应用程序中也能做到这一点。
有谁能给我指引正确的方向吗？有没有什么jQuery插件或者我遗漏的东西？
感谢你的帮助。
浏览 0提问于2009-07-27得票数 2
1回答
我正在尝试创建一个三维卷积神经网络AutoEncoder。我无法将张量的输入维度与输出进行匹配 我已经尝试改变图层形状和使用Keras自动编码器。 padding = 'SAME'
stride = [1,1,1]
self.inputs_ = tf.placeholder(tf.float32, input_shape, name='inputs')
self.targets_ = tf.placeholder(tf.float32, input_shape, name='target
浏览 6提问于2019-08-31得票数 1
1回答
我在YouTube 上观看了以下视频，其中显示可以在Tensorflow中使用G收音机和MNIST数据集的学习模型。我已经读过和写过，它是有可能使用在Gradio，但我有问题，它的实施。有人知道怎么做吗？我的cnn火炬代码
import torch.nn as nn
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = nn.Sequential(
nn.Conv2d(
浏览 2提问于2022-03-26得票数 1
回答已采纳
1回答
我正试图理解在Pytorch中的解池，因为我想构建一个卷积的自动编码器。
我有以下代码
from torch.autograd import Variable
data = Variable(torch.rand(1, 73, 480))
pool_t = nn.MaxPool2d(2, 2, return_indices=True)
unpool_t = nn.MaxUnpool2d(2, 2)
out, indices1 = pool_t(data)
out = unpool_t(out, indices1)
但是，我经常在最后一行(解池)中得到这个错误。
IndexError: tup
浏览 3提问于2019-10-16得票数 0
回答已采纳
2回答
如何使一个弯曲的项目收缩在第二轴？
例如，我有一个容器，里面有很多物品。它们都位于列中，但我希望它们的宽度也可以缩小：
.container {
display: flex;
flex-direction: column;
.item {
width: 200px;
flex: 0 1 @item-height;
//flex-shrink here means Y-axis. How to set flex-shrink for X-axis??
}
}
浏览 1提问于2016-07-21得票数 12
当我试图建立我的模型时，我遇到了一个大问题，
input shape: (1447, 224, 224, 3)
output shape: (1447, 154457)
model = Sequential([
Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding='valid', input_shape=(224,224,3)),
BatchNormalization(axis=-1),
Conv2D(filters=64, kern
浏览 0提问于2021-02-11得票数 1
1回答
我在动作识别领域工作，在那里我必须使用3dcnn和Lstm。我对3DCNN的输入大小是1,3,16,112,112。我需要将3dcnn层的输出提供给lstm。我在实现模型时遇到了问题。
下面是我的3dcnn网络架构。我需要在pool5之后添加Lstm层。
请多多指点和帮助，我将不胜感激。谢谢。^^
def __init__(self):
super(C3D, self).__init__()
self.conv1 = nn.Conv3d(3, 64, kernel_size=(3, 3, 3), padding=(1, 1, 1))
self.pool1 = nn.M
浏览 0提问于2021-09-18得票数 0
我正在尝试在(19,163,279)维的图像(以NumPy数组的形式)上训练3DCNN。我的X_train的形状是(740,19,163,279)，y_train的形状是(185,19,163,279)。
if K.image_data_format() == 'channels_first':
INPUT_SHAPE = (1, 19, 163, 279)
else:
INPUT_SHAPE = (19, 163, 279, 1)
这是我的模型
def get_model(width=163, height=279, depth=19):
"&
浏览 0提问于2021-05-03得票数 0
2回答
我输入了我的二维CNN模型的数据，比如说；X_train和(torch.Size([716, 50, 50])形状
我的模型是：
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = nn.Conv2d(1, 32, kernel_size=4,stride=1,padding = 1)
self.mp1 = nn.MaxPool2d(kernel_size=4,stride=2)
self.conv2 = nn
浏览 1提问于2021-07-05得票数 1
回答已采纳
我正在尝试为CNN实现一个剩余层(使用caffe和python)。这是一个用于剩余学习的简单框图：
这是我写的代码：
def res(self,bottom,args):
'residual layer'
rp = {'negative_slope': 0}
if len(args)!=6:
raise Exception('conv requires 6 arguments: ks, stride, pad, group, nout, bias')
ks, stride, pad, gr
浏览 2提问于2018-02-08得票数 3
回答已采纳
3回答
如何计算卷积神经网络的参数数？
、、、、
我正在使用Las格涅为MNIST数据集创建一个CNN。我正在密切关注这个示例：。
我目前使用的CNN架构(不包括任何辍学层)是：
NeuralNet(
layers=[('input', layers.InputLayer), # Input Layer
('conv2d1', layers.Conv2DLayer), # Convolutional Layer
('maxpool1', layers.MaxPool2DLayer), # 2D Max Pooling
浏览 5提问于2017-03-14得票数 78
回答已采纳
我读到了IE 的box-flex文档，我注意到使用了“正面”和“负面”的灵活性。
有人能解释一下这些术语的含义以及它们之间的区别吗？
谢谢!
浏览 3提问于2014-05-14得票数 0
回答已采纳
当使用下面的卷积层时，背后的想法是什么？
特别是对于nn.Conv2d(16, 16, 3, padding = 1)
self.conv1 = nn.Conv2d(3, 16, 3, padding = 1 )
self.conv2 = nn.Conv2d(16, 16, 3, padding = 1)
self.conv3 = nn.Conv2d(16, 32, 3, padding = 1)
self.pool = nn.MaxPool2d(2, 2)
x = F.relu(self.conv1(x))
x = self.pool(F.relu(self.conv2(
浏览 0提问于2020-06-02得票数 0
我正在尝试从零开始构建一个用于物体识别的抽动神经网络。我的输入图像大小是(3,256,256) 这是我为CNN设计的架构。 class NutSnackClassication(MultiLabelImageClassificationBase):
def __init__(self):
super().__init__()
self.network = nn.Sequential(
nn.Conv2d(3, 32, kernel_size = 3, stride = 1, padding = 1),
浏览 11提问于2021-06-18得票数 0
假设我有三组不同的张量： x1 = torch.randn(3,16)
x2 = torch.randn(5,16)
x3 = torch.randn(2,16) 对于它们中的每一个，我都希望应用最大池化并获得1x16维张量作为输出。有没有办法在不填充输入张量的情况下做到这一点？我的意思是，我认为我可以通过首先填充x1和x3张量来做我想做的事情，这样它们也就变成了5x16张量。然后，我可以应用maxpool1d()运算符来获得我想要的东西。
浏览 19提问于2019-05-15得票数 4
2回答
我目前正在尝试修改VGG16网络架构，以便它能够接受400x400PX映像。
根据我读过的文献，这样做的方法是将完全连接(FC)层转换成卷积(CONV)层。这将从本质上“允许网络在更大的输入图像上有效地”滑动“，并对图像的不同部分进行多个评估，包括所有可用的上下文信息。”然后，使用平均池层“将多个特征向量平均为单个特征向量，该特征向量概括输入图像”。
我已经完成了这个，并提出了以下网络体系结构：
----------------------------------------------------------------
Layer (type)
浏览 0提问于2018-11-02得票数 1
回答已采纳
1回答
我正在实现googlenet网(更小的版本)从零开始在pytorch。该架构如下：
对于下样例模块，我有以下代码：
class DownSampleModule(nn.Module):
def __init__(self, in_channel, ch3, w):
super(DownSampleModule, self).__init__()
kernel_size = 3
padding = (kernel_size-1)/2
self.branch1 = nn.Sequential(
C
浏览 3提问于2020-11-03得票数 0
回答已采纳
我是PyTorch和构建NN的初学者，一般情况下，我有点卡住了。
我有一个CNN的架构：
class ConvNet(nn.Module):
def __init__(self, num_classes=10):
super(ConvNet, self).__init__()
self.conv1 = nn.Conv2d(
in_channels=3,
out_channels=16,
kernel_size=3)
self.conv2 = nn.Conv2
浏览 14提问于2020-02-28得票数 0
回答已采纳
1回答
我正在创建一个高度= 128，宽度= 128，频道=3的三维CNN模型。
def get_model(width=128, height=128, depth=3):
"""
Build a 3D convolutional neural network
"""
inputs = tf.keras.Input((width, height, depth, 1))
x = layers.Conv3D(filters=64, kernel_size=3, activation="relu")(inputs)
浏览 3提问于2021-06-21得票数 0
回答已采纳
规范
Docker容器运行在具有16 GB Ram、1x GTX1070和8GB、Ubuntu16.04.3LTS的机器上。Keras被设置为使用GPU。
我想做什么
我想要计算一组79726张图像245x245 (RGB)的卷积输出，这样我就可以通过一个已经训练过的二级模型得到预测。我使用的是VGG16模型，它是Keras.applications附带的。
码
model = VGG16(include_top=False)
tst_b_s = 200
test_batches = ImageDataGenerator().flow_from_directory(
directory
浏览 0提问于2018-01-28得票数 1
例如，如果我有以下模型类：
class MyTestModel(nn.Module):
def __init__(self):
super(MyTestModel, self).__init__()
self.seq1 = nn.Sequential(
nn.Conv2d(3, 6, 3),
nn.MaxPool2d(2, 2),
nn.Conv2d(6, 16, 3),
nn.MaxPool2d(2, 2),
nn.Flatten
浏览 19提问于2022-05-18得票数 3
回答已采纳
在使用Keras构建CNN模型时，我有以下代码。我增加了三个卷积层和三个池层。在编译模型时，池层会产生值错误。我添加了代码和错误。请帮帮忙
model = Sequential()
model.add(Conv2D(filters = 32, kernel_size = (4,4), input_shape = (28,28,1), activation = 'relu'))
model.add(MaxPool2D(pool_size = (2,2)))
model.add(Conv2D(filters = 64, kernel_size = (4,4), input_sh
浏览 7提问于2021-11-17得票数 1
回答已采纳
我在这里浏览了PyTorch CNN的实现：
我无法理解他们是如何取代“？”的。有价值的。计算CNN层输出的公式是什么？
这在PyTorch中是必要的，而在Tensorflow - Keras中则不是这样。如果有任何其他博客可以很好地解释这一点，请把它放在评论中。
# Implementation of CNN/ConvNet Model
class CNN(torch.nn.Module):
def __init__(self):
super(CNN, self).__init__()
# L1 ImgIn shape=(?, 28, 28, 1)
浏览 2提问于2022-03-28得票数 0
1回答
Keras预测新图像
、、、
我用的是
当以未触及的方式运行所有文件时，可以正常运行，但现在我想对单个文件进行测试，我将在此模式下进行测试：
image = encode_img('new_image/x3fwf.png')
image = image['image']
image.shape
// TensorShape([200, 50, 1])
prediction_model.predict(image)
所以我回来了
ValueError:由{{NodeFunction13/MaxPool 1/MaxPool}= MaxPoolT=DT_FLOAT，data_format=&#
浏览 2提问于2021-01-22得票数 0
回答已采纳
我用tensorflow训练CNN与Nvidia Geforce 1060 (6G内存)，但我有一个OOM例外。
前两个时期训练过程良好，但在第三个时期得到了OOM例外。
tensorflow/core/common_runtime/bfc_allocator.cc:277] **************************************************************************************** ============================ 2017-10-27 11:47:30.219130: W*xxxxxx 2017-1
浏览 2提问于2017-10-27得票数 8
1回答
将帧加载到3D CNN
、、、、
我有一个用Python语言编写的带有TFLearn的3D卷积神经网络。
示例代码如下：
def model_3d(self):
"""
This function will build our 3D Convolutional Neural Network
"""
#Layers
net = tflearn.input_data(shape=[None, 40, 80, 80, 3], name='InputLayer')
net = tflearn.layers.conv.con
浏览 11提问于2018-05-03得票数 0
2回答
我在Keras中创建了以下简单的CNN (借用自DeepLizard教程)。
model = Sequential([
Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same', input_shape = (320, 320, 3)),
MaxPool2D(pool_size = (2, 2), strides = 2),
Conv2D(filters = 10, kernel_size = (3, 3), a
浏览 8提问于2021-02-26得票数 0
1回答
我学习了一个8,3,32,32形状张量，其中8是批处理大小，3个是通道数，32x32是像素大小，它们将第一个卷积层定义为nn.Conv2d(3，16，5 )，其中3是输入大小，16是输出大小，5是内核大小，它工作得很好。
in_size = 3
hid1_size = 16
hid2_size = 32
out_size = len(labels)
k_conv_size = 5
class ConvNet(nn.Module):
def __init__(self):
super(ConvNet, self).__init__()
self.l
浏览 0提问于2019-03-15得票数 7
1回答
在中，MaxPool2D状态：
填充(int或tuple，可选)-零填充添加到输入的两边.默认值: 0
这是否意味着填充的默认值是，还是没有填充？
在我的代码：nn.Conv2d(input_channels, output_channels, kernel_size, stride)中，我没有传递任何填充参数，当我打印它时，它显示了以下内容
(0)：Conv2d(4，8，kernel_size=(3，3)，stride=(1，1)，padding=(2，2))
因此，我假设它在默认情况下会添加填充以将输入大小与值0相匹配。
现在，如果是这样的话，我如何关闭它和/或添加一个不同
浏览 1提问于2020-01-20得票数 1
回答已采纳
我想用梯度下降来求解方程组，但是每次我都得到了错误的结果，所以我检查了我的代码并编写了一个numpy版本，在这个版本中我提供了显式的损失梯度，我可以得到currect结果。
所以我不明白为什么GradientDescentOptimizer不能工作。
这里是我的代码，没有tf:
import numpy as np
class SolveEquation:
def __init__(self, rate: float, loss_threshold: float=0.0001, max_epochs: int=1000):
self.__rate = rate
浏览 6提问于2017-02-26得票数 2
回答已采纳
我对nn.linear的特性感到困惑。对于VGG-19模型上一次nn.MaxPool2d的外特性，张量大小为(512，7，7).下面的模型使用池函数并将张量调整为(512，49)，然后直接使用nn.linear(512，7)。为什么它不能在没有错配问题的情况下成功地工作？
'''VGG11/13/16/19 in Pytorch.'''
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable
浏览 1提问于2019-04-01得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
