在PyTorch张量中查找等于零的元素的索引
，可以使用torch.nonzero()函数来实现。该函数返回一个包含所有非零元素索引的张量。
具体步骤如下：
- 导入PyTorch库：
import torch - 创建一个PyTorch张量：
tensor = torch.tensor([1, 0, 2, 0, 3, 0]) - 使用
torch.nonzero()函数查找等于零的元素的索引：indices = torch.nonzero(tensor == 0) - 打印结果：
print(indices)
这样就可以得到一个包含等于零元素索引的张量。
推荐的腾讯云相关产品是腾讯云AI智能图像处理服务，该服务提供了丰富的图像处理能力，包括图像识别、图像分析、图像增强等功能，可以与PyTorch等深度学习框架结合使用，实现更多复杂的图像处理任务。产品介绍链接地址：https://cloud.tencent.com/product/aiip
注意：以上答案仅供参考，具体的推荐产品和产品介绍链接地址可能需要根据实际情况进行调整。
相关·内容
我有一个大小为bsize x 50 x 50的Pytorch张量，其中一些行完全填充了零：
[[0, 2, 0, ..., 0, 0, 0],
[2, 0, 2, ..., 0, 0, 0],
[0, 2, 0, ..., 0, 0, 0],
...,
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0]],
[[0, 2, 0, ..., 0,
浏览 2提问于2020-08-31得票数 0
回答已采纳
3回答
假设我有张量 t = torch.tensor([1,2,3,4,5]) 我想使用一个相同大小的索引张量来拆分它，它告诉我每个元素应该放在哪个拆分中。 indices = torch.tensor([0,1,1,0,2]) 所以最终的结果是 splits
[tensor([1,4]), tensor([2,3]), tensor([5])] 在Pytorch中有没有一种很好的方法来做到这一点？ 编辑:通常会有2到3个以上的拆分。
浏览 57提问于2021-03-22得票数 2
在pytorch的官方网页上，我看到了以下代码，并给出了答案：
>> a = torch.randn(4, 4)
>> a
0.0692 0.3142 1.2513 -0.5428
0.9288 0.8552 -0.2073 0.6409
1.0695 -0.0101 -2.4507 -1.2230
0.7426 -0.7666 0.4862 -0.6628
torch.FloatTensor of size 4x4]
>>> torch.max(a, 1)
(
1.2513
0.9288
1.0695
0.7426
[torch
浏览 3提问于2017-11-23得票数 0
回答已采纳
1回答
我是PyTorch的新手，我来自函数式编程语言(地图函数在任何地方都被使用)。问题是，我有一个张量，我想对张量的每个元素做一些运算。操作可能是多种多样的，所以我需要这样一个函数：
map : (Numeric -> Numeric) -> Tensor -> Tensor
e.g. map(lambda x: x if x < 255 else -1, tensor) # the example is simple, but the lambda may be very complex
在PyTorch中有这样的函数吗？我应该如何实现这样的功能？
浏览 4提问于2021-03-03得票数 1
回答已采纳
1回答
稀疏张量减少训练时间
、、、
我了解了PyTorch稀疏张量：
从docs ()：“火炬支持稀疏张量的COO(rdinate)格式，这可以有效地存储和处理张量，其中大多数元素是零。”
是否使用稀疏张量代替常规的PyTorch张量来减少训练时间？
浏览 3提问于2018-11-24得票数 2
回答已采纳
我在PyTorch中发现了一行用于将3D张量简化为2D张量的代码。3D张量x的大小为torch.Size([500, 50, 1])，下面这行代码：
x = x[lengths - 1, range(len(lengths))]
用于将x简化为大小为torch.Size([50, 1])的2D张量。lengths也是包含值的shape torch.Size([50])的张量。
有谁能解释一下这是怎么工作的吗？谢谢。
浏览 1提问于2020-02-13得票数 3
根据PyTorch文档，CrossEntropyLoss()是LogSoftMax()和NLLLoss()函数的组合。但是，调用CrossEntropyLoss()提供了与调用LogSoftMax()和NLLLoss()不同的结果，这从给定代码的输出中可以看出。
是什么导致了不同的结果？
来自PyTorch的交叉熵:张量(2.3573)来自Manual_PyTorch_NNLoss的交叉熵:张量(1.0137)
def CrossEntropyPyTorch(values, actualProb):
tensorValues = torch.FloatTensor(values)
浏览 0提问于2023-04-27得票数 0
回答已采纳
1回答
在pytorch中，我必须得到维数K，L，M和M，L，N的张量，我要执行这些张量沿中间二维方向的标准张量卷积积，从而得到K，N张量。我找不到关于如何执行这些操作的正式文档，也许应该在其他库中进行更好的操作，然后再转换为py手电筒张量？
浏览 1提问于2020-07-30得票数 0
回答已采纳
1回答
我只想提取一个非常大的pytorch张量的第一个元素。我已经看到一些帖子在谈论像my_tensor.numpy()[0]或者my_tensor.detach().numpy()[0]这样的选项，如果我使用requires_grad的话。仅仅访问一个元素似乎效率很低，特别是当我的张量很大的时候。有什么办法可以解决这个问题吗？
浏览 16提问于2021-04-24得票数 1
1回答
PyTorch是否支持类似dict的对象，通过这些对象我们可以反向传播梯度，比如PyTorch中的张量？
我的目标是计算一个大型矩阵中的几个元素(1%)的梯度。但是如果我使用PyTorch的标准张量来存储矩阵，我需要将整个矩阵保存在我的GPU中，这会导致由于在训练期间可用的GPU内存有限而造成的问题。所以我在想，是否可以将矩阵存储为dict，只索引矩阵的相关元素，计算渐变和反向传播w.r.t --这些选择元素。
到目前为止，我只尝试使用张量，但由于上述原因，它会导致内存问题。因此，我搜索了大量的替代选项，比如PyTorch中的dicts，但是在Google上找不到任何这样的信息。
浏览 6提问于2022-03-08得票数 2
我正在尝试找到一种不使用for循环的方法。 假设我有一个多维张量t0 bs = 4
seq = 10
v = 16
t0 = torch.rand((bs, seq, v)) 它的形状是：torch.Size([4, 10, 16]) 我有另一个张量labels，它是seq维度中的一批5个随机索引： labels = torch.randint(0, seq, size=[bs, sample]) 这是shape torch.Size([4, 5])。用于对t0的seq维度进行索引。 我想做的是循环批量维度，使用labels张量进行聚集。我的暴力解决方案是这样的： t1 = torch.em
浏览 41提问于2021-01-26得票数 0
1回答
我想在列表li中找到最小张量的索引(通过某个关键函数)。所以我先做了min，然后做了li.index(min_el)。我的MWE表明，不知何故，张量不适用于index。
import torch
li=[torch.ones(1,1), torch.zeros(2,2)]
li.index(li[0])
0
li.index(li[1])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File ".../local/lib/python2.7/
浏览 6提问于2018-01-31得票数 0
回答已采纳
我有一个带有requires_grad=True的pytorch张量和张量w。我想把它转换成一个kxn张量p，也是这样的：p[i] = w[i][i:i+n]。我如何做到这一点，这样通过最后在p的损失函数上调用backward()，我将学习w
浏览 0提问于2018-12-08得票数 0
1回答
我看到了在PyTorch中索引张量的语法，不知道它意味着什么：
v = torch.div(t, n[:, None])
其中v、t和n是张量。
"None“在这里扮演什么角色？我似乎在文件里找不到它。
浏览 0提问于2021-11-01得票数 5
回答已采纳
对于Pytorch张量A
A = tensor([1,0,0],
[0,0,0])
有没有办法检查数字1是否是张量A的一个元素？例如，是否有一个pytorch函数返回True is 1是A的元素，如果1不是A的元素，则返回False
谢谢,
浏览 0提问于2020-02-10得票数 4
例如，我有张量，
a = [[15,30,0,2], [-1,-1,-1,-1], [10, 20, 40, 60], [-1,-1,-1,-1]]
它的形状是(4,4)。怎样才能找到特定次张量的索引？
[-1,-1,-1,-1]
这在使用PyTorch时不会出现。我希望得到的预期输出是
[0,2]
浏览 1提问于2022-03-24得票数 2
我可以用相同形状的布尔数组/张量或者包含我想要的元素的整数索引的数组/张量来索引我的numpy数组/ pytorch张量。哪个更快？
浏览 12提问于2019-09-04得票数 3
描述 我正在设置一个torch.Tensor用于掩蔽目的。在尝试按索引选择条目时，事实证明，使用numpy.ndarray和torch.Tensor保存索引数据的行为是不同的。我希望能够访问这两个框架中的设计和解释差异的相关文档。 复制步骤 环境 来自官方版本的容器中的Pytorch1.3：pytorch/pytorch:1.3-cuda10.1-cudnn7-devel 示例 假设我需要使用shape [3,3,3]将mask设置为torch.Tensor对象，并将条目(0,0,1) & (1,2,0)中的值设置为1。下面的代码解释了这种差异。 mask = torch.zeros
浏览 11提问于2020-01-15得票数 2
回答已采纳
我有一个[32,64,64,3]形状的四维张量，它对应于[batch, timeframes, frequency_bins, features]，我做tensor.flatten(start_dim=2) (在PyTorch中)。我知道这个形状会转化为[32,64,64*3] --> [batch,timeframes,frequency_bins*features]，但是在64*3新的扁平维中元素的实际顺序是与[:,:,:,0]、第二个64 [:,:,:,1]和最终64 [:,:,:,2]有关的前64个索引。
浏览 11提问于2021-12-09得票数 0
回答已采纳
1回答
我最近开始使用PyTorch的ML/DL。下面的pytorch示例解释了如何训练一个简单的模型来将德语翻译成英语。 https://pytorch.org/tutorials/beginner/torchtext_translation_tutorial.html 然而，我对如何使用该模型在自定义输入上运行推理感到困惑。据我目前所知： 1)我们需要使用torch.save()保存德语(输入)和英语(输出)的"vocab“，以便以后可以用来运行预测。 2)在对德语段落运行推理时，我们首先需要使用德语词汇文件将德语文本转换为张量。 3)上述张量将传递给模型的正向方法进行翻译 4)模型将再
浏览 43提问于2020-01-01得票数 2
1回答
所需的操作在精神上与torch.Tensor.index_copy相似，但略有不同。
最好用一个例子来解释。
张量A具有原始值，我们将复制：
[10, 20, 30]
张量B有A指数
[0, 1, 0, 1, 2, 1]
张量C具有与B相同的长度，包含A的索引值。
[10, 20, 10, 20, 30, 20]
在不使用循环的情况下，从A和PyTorch中的B中生成B的好方法是什么？
浏览 2提问于2022-05-29得票数 0
回答已采纳
2回答
我有一个像<code>D1</code>这样的张量<code>D0</code>，我想实现一个名为<code>D2</code>的函数，它可以将正数据过滤成一个新的张量，并返回原始张量的索引。例如：
<code>A3</code>
如何在pytorch中最有效地实现此功能？
浏览 34提问于2019-08-20得票数 17
使用PyTorch，我有一个尺寸为(b, 2, x, y)的多维张量A，以及尺寸(b, 2, x, y, 3)的另一个相关张量B。
我希望在dim=1中得到A中的最小值的索引(这个维数是2)，并将这个索引张量应用到B，这样我就可以得到一个形状(b, x, y, 3)的张量。
通过使用A_mins, indices = torch.min(A, dim=1)，我可以得到形状为(b, x, y)的张量indices，其中值是0还是1，这取决于A中dim=1的最小值。我不知道如何将其应用于B以获得所需的输出。我知道torch.index_select做了类似的工作，但只针对一维索引向量。
浏览 15提问于2022-02-23得票数 2
回答已采纳
我正在学习pytorch.Reading的官方教程，我遇到了困惑的代码。输入是张量，目标也是张量。
def nll(input,target):
return -input[range(target.shape[0]),target].mean()
而pred是：
目标是：
‘-输入[范围(target.shape)，目标]’是：
输出显示这不是从输入或合并两个张量中减除目标。
浏览 1提问于2022-09-14得票数 1
回答已采纳
我正在寻找类似的功能，为pytorch张量作为nditer的numpy数组，请参阅此链接与一个小例子。https://discuss.pytorch.org/t/replacement-of-np-nditer-for-torch/64024?u=songqsh
浏览 6提问于2019-12-14得票数 0
回答已采纳
假设我有两个PyTorch张量：
t_1d = torch.Tensor([6, 5, 1, 7, 8, 4, 7, 1, 0, 4, 11, 7, 4, 7, 4, 1])
t = torch.Tensor([4, 7])
我想得到张量为t的张量t_1d的集合之间的精确匹配交集的索引。
t_1d和t的期望输出：[5, 12] (精确交集的第一个索引)
最好是在GPU上处理大张量，因此没有循环或Numpy投射。
浏览 27提问于2021-02-28得票数 1
回答已采纳
我对张量很陌生，并且对这个问题感到头疼：
我有一个大小为k的指数张量，其值介于0和k-1之间：
tensor([0,1,2,0])
以及以下矩阵：
tensor([[[0, 9],
[1, 8],
[2, 3],
[4, 9]]])
我想要创建一个新的张量，它包含索引中指定的行，按顺序排列。所以我想：
tensor([[[0, 9],
[1, 8],
[2, 3],
[0, 9]]])
在张量之外，我会或多或少地做这样的操作：
new_matrix = [matrix[i] for i in index]
如何在PyTorch中对张量
浏览 3提问于2021-03-31得票数 2
回答已采纳
2回答
给定张量x和y，每个张量都具有形状(num_batches, d)，我如何使用PyTorch来计算批处理中x和y的每个组合的和？
这类似于外部乘积，除了我们不想乘，而是和。(这意味着我可以通过幂、外积和取日志来解决这个问题，但这当然有数值和性能上的缺点)。
它可以通过笛卡尔乘积来完成，然后对每一个组合进行求和。
本质上，我喜欢osum[b, i, j] == x[b, i] + y[b, j]。PyTorch能在没有循环的张量中做到这一点吗？
浏览 24提问于2022-07-13得票数 0
回答已采纳
2回答
我在PyTorch中有二维张量，表示模型的信任。我要：
如果行中的第二个值大于或等于阈值，则应将所有其他值更改为0，否则不应更改。
简单的办法是：
迭代行，如果值大于或等于，检查第2值，创建一行零，将第2值从行更改为第2值，替换行，否则不要做任何<code>F 215</code>。
然而，这是低效的。有没有一种矢量化/张力化的方法来做到这一点？
浏览 2提问于2020-07-15得票数 1
回答已采纳
这似乎是一个基本的问题，但我无法解决。
在神经网络的前通过中，我有一个形状为8x3x3的输出张量，其中8是我的批次大小。我们可以假定每个3x3张量都是一个非奇异矩阵。我需要找到这些矩阵的逆。PyTorch 函数仅适用于方阵。既然我现在有8x3x3，如何以可微的方式将此函数应用于批处理中的每个矩阵？
如果我迭代这些示例并将逆附加到python列表中，然后将其转换为PyTorch张量，那么它是否会在备份期间出现问题呢？(我的问题是，因为将PyTorch张量转换为numpy来执行一些操作，然后返回到张量，就不会在支持这些操作时计算梯度)。
当我尝试做类似的事情时，我也会得到以下错误。
a = tor
浏览 23提问于2017-10-05得票数 10
1回答
我知道PyTorch没有一个map-like函数来对张量的每个元素应用一个函数。那么，如果在map-like函数中没有PyTorch，我可以执行类似于以下的操作吗？
if tensor_a * tensor_b.matmul(tensor_c) < 1:
return -tensor_a*tensor_b
else:
return 0
如果张量是1D的话，这是可行的。但是，当tensor_b是2D时，我需要这样做(tensor_a在return语句中需要是unsqueezed )。这意味着应该返回一个2D张量，其中一些行将是0向量。
很高兴使用最新Python版本的最新特
浏览 1提问于2021-01-23得票数 3
回答已采纳
3回答
当我浏览pytorch文档时，我在许多函数中遇到了术语layout = torch.strided。有没有人能帮助我理解它是在哪里使用的以及如何使用的。描述说这是返回张量的理想布局。布局是什么意思?布局有多少种类型？
torch.rand(*sizes, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
浏览 1提问于2019-06-19得票数 12
我在火把中有两个张量：
tensorA=[0, 1, 2, 6, 7, 9, 10]
和
tensorB=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
我如何使用pytorch的张量API(Ops)来查找tensorB中缺少的TensorA元素，然后对于每个缺失的元素，返回TensorA中最近的前一个元素的索引？
例如，对于上述张量，它应该返回：
[2, 2, 2, 4]
因为[3, 4, 5]和[8]从tensorA中消失了。对于[3, 4, 5]，我们需要在tensorA中返回它们以前的相邻元素的索引，即2。对于元素8，其在tensorA中的前一个相邻元素为7，在
浏览 0提问于2023-04-13得票数 0
假设我们只想修改变量值的一部分的梯度，那么在pytorch中是否可以只对一个子张量进行register_hook (作为pytorch变量的张量的子张量)？
浏览 7提问于2019-04-30得票数 0
回答已采纳
从PyTorch 0.4开始，这个问题就不再有效了。04年，Tensor__s和Variable__s合并。
如何使用PyTorch中的变量和张量来执行按元素方向的乘法？有两个张量就行了。使用变量和标量可以很好地工作。但是，当试图使用变量和张量执行按元素进行乘法时，我得到：
XXXXXXXXXXX in mul
assert not torch.is_tensor(other)
AssertionError
例如，在运行以下代码时：
import torch
x_tensor = torch.Tensor([[1, 2], [3, 4]])
y_tensor = torch.Tens
浏览 3提问于2017-07-02得票数 8
回答已采纳
1回答
假设我有一个形式的张量 [[-5, 0, -1],
[3, 100, 87],
[17, -34, 2],
[45, 1, 25]] 我想要找到每一行的最大值，并返回一个秩1张量，如下所示： [0,
100,
17,
45] 我该如何在PyTorch中做到这一点？
浏览 600提问于2020-01-21得票数 2
回答已采纳
我在PyTorch中创建了一个sparse_coo张量： import torch
# create indices
i = torch.tensor([[0, 1, 1],
[2, 0, 2]])
# create values
v = torch.tensor([3, 4, 5], dtype=torch.float32)
# create sparse_coo_tensor
sparse_tensor = torch.sparse_coo_tensor(i, v, [2, 4]) 现在，我想将PyTorch稀疏张量转换为PyTorch稠密张量。可
浏览 274提问于2020-10-27得票数 0
回答已采纳
我想在使用pybind11的C++模块中接收一个包含PyTorch张量的字典，并返回包含C++ torch::Tensor的结果字典。就我所寻找的，似乎没有明确的方法将PyTorch张量转换为C++张量，以及将C++张量转换为PyTorch张量。在最后一次试验中，我尝试将PyObject转换为torch::Tensor，但似乎效果不佳。(https://discuss.pytorch.org/t/is-it-possible-to-get-pyobject-from-a-torch-tensor/85980/2)我想知道它是否正确，是否有任何解决方法。我在下面分享了我的代码片段。 py::d
浏览 36提问于2021-02-03得票数 0
Pytorch是否有与Numpy的元素级 (logical_and、logical_or、logical_not和logical_xor)等效的and？在使用CPU时，对Pytorch张量调用Numpy函数似乎工作得足够好，甚至可以生成Pytorch张量作为输出。我问主要是因为我假设如果pytorch计算在GPU中运行，这将不会很好地工作。
我在中查看了所有包含字符串" and“的函数，似乎没有一个相关的。
浏览 1提问于2019-02-08得票数 5
回答已采纳
3回答
我的目标是提取pytorch张量的维度，其索引不在给定的列表中。我想使用广播来做如下所示： Sim = torch.rand((5, 5))
samples_idx = [0] # the index of dim that I don't want to extract
a = torch.arange(Sim.size(0)) not in samples_idx
result = Sim[a] 我假设a是一个维度为5的True/Flase张量，但我得到了错误的RuntimeError: Boolean value of Tensor with more than one va
浏览 85提问于2021-10-20得票数 0
回答已采纳
1回答
给定两个2-D pytorch张量：
A = torch.FloatTensor([[1,2],[3,4]])
B = torch.FloatTensor([[0,0],[1,1],[2,2]])
有没有一种有效的方法来计算形状(6，2，2)的张量，其中每个条目是一列A乘以每行B
例如，对于上面的A和B，3D张量应该具有以下矩阵：
[[[0, 0],
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]
我知
浏览 2提问于2021-01-19得票数 2
1回答
我有两个PyTorch张量A，形状30，11，32，64和B，形状30，11，89。我的目标是创建一个形状为30，11，89，32，64的张量C，其中张量A应该扩展并在第三维复制，然后在适当的维度与张量B相乘。 如何在PyTorch中实现这一点？
浏览 21提问于2020-01-14得票数 1
我很难在PyTorch中找到关于重塑的信息。Tensorflow非常简单。 我的张量的形状是torch.Size([3, 480, 480])。我想把它转换成一个形状为1,3,480,480的四维张量。我该怎么做？
浏览 838提问于2019-10-09得票数 0
回答已采纳
如何裁剪具有未知值和大小的张量的常量填充(填充高度和宽度相同)？ 我会认为，因为我的张量周围的填充具有恒定值，并且高度/宽度相同，所以应该可以知道在哪里裁剪张量来删除填充。 import torch
# Test tensor with NCHW dimensions
a = torch.randn(1,4,5,5) # Can have any H & W size
# Create padding for testing
b = torch.nn.functional.pad(a, (2,2,2,2), 'constant', value=1.2) # Val
浏览 15提问于2020-12-21得票数 1
回答已采纳
在PyTorch中，torch.nn.functional.embedding_bag似乎是负责执行真正的嵌入查找的主要功能。在PyTorch的文档中，有人提到embedding_bag做它的工作>而不实例化中间嵌入。那到底是什么意思？这是否意味着，例如，当模式是“和”时，它会进行就地求和吗？或者这仅仅意味着在调用embedding_bag时不会产生额外的张量，但是从系统的角度来看，所有中间行向量都已经被提取到处理器中，用于计算最终张量？
浏览 2提问于2020-05-27得票数 0
根据和的说法，PyTorch的view函数只在连续内存上工作，而reshape不工作。在第二个环节中，提交人甚至声称：
view将在非连续张量上引起误差.
但是张量什么时候有不连续的记忆呢？
浏览 1提问于2019-01-08得票数 4
回答已采纳
这些代码中有一些是改编自“用Pytorch进行深度学习”一书。
脚本:线性回归(尝试预测给定t_c的t_u)
t_c = torch.tensor([0.5, 14.0, 15.0, 28.0, 11.0, 8.0,
3.0, -4.0, 6.0, 13.0, 21.0])
t_u = torch.tensor([35.7, 55.9, 58.2, 81.9, 56.3, 48.9,
33.9, 21.8, 48.4, 60.4, 68.4])
def model(t_u, w, b):
return w
浏览 7提问于2021-07-18得票数 0
有人能帮我在Pytorch1.4中如何对两个张量执行逐位AND操作吗？ 显然，我只能在官方document中找到NOT和XOR操作 ?
浏览 57提问于2020-01-21得票数 0
我试图根据另外两个张量的内容组装一个张量，如下所示：
我有一个叫A的二维张量，它的形状为I* J，另一个叫B的二维张量，它的形状为M* N，其元素是A的第一维的指数，我想得到一个具有M*N*J形状的三维张量C，使得[0，M)中的所有m和[0，N]中的所有m都有C[m,n,:] == A[B[m,n],:]。
我可以使用嵌套的for-循环来迭代M和N中的所有索引，在每个索引上分配正确的值给C，但是M和N很大，所以速度很慢。我怀疑有一些更好的，更快的方法来做这件事，使用聪明的切片或内置的pytorch函数，但我不知道它会是什么。它看起来有点像使用torch.gather()的地方，但这需要所有张量
浏览 3提问于2022-01-31得票数 1
回答已采纳
我有一个大小为：torch.Size([118160, 1])的张量。我想做的是把它分成n个张量，每个张量有100个元素，一次滑动50个元素。使用PyTorch实现这一点的最佳方法是什么？
浏览 29提问于2020-02-11得票数 3
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
