在维基百科和deeplearning4j中都有这样的说法:深度学习神经网络是一种隐层大于1的神经网络.
对于我来说，这类NN在大学里是标准的，而DLNN现在非常夸张。去过那里，做过那件事-有什么大不了的？
我还听说堆叠的神经网络被认为是深度学习。深度学习是如何定义的？
我的神经网络的背景大多来自大学，而不是工作：
神经网络在工业中的应用研究
有5门关于artif的课程。情报。&马赫。学习。-也许其中有两个在NN上
用于小而简单的图像识别项目中使用的三层前馈神经网络。
没有对它们进行真正的研究(如博士论文)。
浏览 0提问于2016-10-04得票数 14
回答已采纳
在阅读了一些理论之后，我对以下术语感到有点困惑：
深度学习
深层神经网络
人工神经网络
前馈神经网络
因此，在我看来，似乎很清楚的是，深层神经网络是具有多层(通常超过一个隐藏层)的人工神经网络。然而，我读过几次这样的话：
深层神经网络是一种具有多层结构的前馈神经网络。
我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和输出层之间有多个层次的所有人工神经网络？例如，难道不应该有深层递归神经网络吗？深层神经网络必须前馈神经网络是正确的吗？这将反过来意味着深递归神经网络不能被称为深神经网络。
此外，我看到有各种各样的深度学习架构，例如：
卷积神经网络
残差神经网络
深层信念网络
深玻耳兹曼
浏览 0提问于2019-07-15得票数 3
回答已采纳
1回答
我是深度学习的新手(特别是deeplearning4j)，并且正在尝试这些示例。特别是，我想知道在下面的CSV示例中使用了哪种类型的神经网络。这是一个深度学习神经网络，还是仅仅是“常规神经网络”。我确实理解普通神经网络和深度学习神经网络的不同之处在于，DL算法处理“消失梯度”问题，而普通神经网络不能。我的感觉是以下是常规神经网络，但我想确认一下。
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
.seed(seed)
.iterations(iterations)
浏览 10提问于2017-01-27得票数 0
回答已采纳
4回答
是否有在结构化数据中执行聚类的深度学习文献/参考资料？我知道这可以使用Kmeans，GMM等来完成，但是有没有可能使用深度神经网络等来完成聚类分析呢？谢谢。
浏览 0提问于2019-02-01得票数 0
3回答
undefined被用于编写数值算法(如机器学习问题)的简单性和编译速度，但我想知道是否也可以使用它对神经网络进行更快的编码。
浏览 0提问于2020-06-01得票数 2
pytorch和numpy之间的最大区别是什么，特别是autograd.numpy包？(因为它们都可以自动为您计算梯度。)我知道pytorch可以将张量移动到GPU，但这是选择pytorch而不是numpy的唯一原因吗？虽然pytorch以深度学习而闻名，但显然它可以用于几乎任何机器学习算法，它的nn.Module结构非常灵活，我们不必局限于神经网络。(虽然我从来没有见过用numpy编写的神经网络模型)，所以我想知道pytorch和numpy之间最大的区别是什么。
浏览 1提问于2020-06-16得票数 2
1回答
我正在学习使用gabor滤波器从图像中提取与方向和比例相关的特征。另一方面，卷积神经网络也可以提取包括方向和尺度在内的特征，是否有证据表明CNN中的滤波器具有与gabor滤波器类似的功能？或者他们两个的利弊。
浏览 47提问于2019-07-25得票数 1
来自“医学图像计算的深度学习和卷积神经网络”一书
当我们了解到深度学习的研究现状时，我惊讶地发现，在过去的22、23中，其他研究者使用了卷积神经网络，这是一种深度学习。但最新的一批深度学习算法似乎有不同之处。他们经常使用GPU处理accelerate training by as much as a factor of 40-fold。它们还使用了多个卷积层和多个数据约简层。
40-fold的意思是“K折叠交叉验证”吗？
浏览 0提问于2019-07-16得票数 0
回答已采纳
显然，深度学习方法并没有在表格数据问题[1，2]上取得最先进的结果。这一索赔似乎也为Kagglers所知。SOTA方法看起来像是梯度提升决策树。
对于为什么会发生这种情况，有什么直觉吗？有关于这个主题的相关文献吗？
神经网络是否有更强的IID假设来抑制表格数据中的学习？
文学：
深层神经网络与表格数据：https://arxiv.org/abs/2110.01889综述
我们真的需要时间序列预测的深度学习模型吗？https://arxiv.org/abs/2110.01889
浏览 0提问于2022-05-15得票数 3
1回答
我一直在使用来自UCI http://archive.ics.uci.edu/ml/datasets/adult的成人人口普查收入数据
我创建了两个不同的模型，一个是使用梯度增强分类器，另一个是使用Keras/Tensorflow的神经网络。
所以我对代码提示或什么都不感兴趣，但我有一个关于机器学习的一般性问题--我使用梯度增强分类器比使用神经网络的精度要高得多。
一般来说，我的(或任何)神经网络是否有可能达到与任何其他类型的监督学习相同的精度？是否只需要大量的努力工作和肘部的油脂就可以很好地调节神经网络？我使用相同的数据集，对神经网络和梯度增强分类器都使用相同的特征工程。
浏览 0提问于2019-04-10得票数 3
回答已采纳
我是较新的深度学习领域。
我想知道RNN、ANN、DNN和CNN之间的主要区别是什么？
如何利用TensorFlow库实现这些神经网络？
浏览 0提问于2019-09-05得票数 3
回答已采纳
在那个人工神经网络中，我是机器学习的新手。我在R中使用nnet软件包进行神经网络的训练。模型参数和超参数有什么区别？我听说在我们设置模型参数之前就设置了超参数。人工神经网络的超参数和模型参数是什么？即是否在神经网络训练阶段调整超参数，在验证阶段调整模型参数？
浏览 0提问于2017-03-16得票数 3
5回答
我一直在使用这个库进行基本神经网络的构建和分析。
然而，它不支持建立多层神经网络等.
所以，我想知道在朱莉娅做高级神经网络和深度学习方面有哪些很好的图书馆。
浏览 0提问于2015-11-19得票数 13
回答已采纳
3回答
也许这太宽泛了，但我正在寻找关于如何在课文摘要任务中使用深度学习的参考。
我已经实现了文本摘要使用标准的词频方法和句子排序，但我想探讨的可能性，使用深入学习技术的这项任务。我还介绍了在wildml.com上使用卷积神经网络(CNN)进行情感分析的一些实现；我想知道如何使用库(如TensorFlow或Theano )来进行文本摘要和关键词提取。自从我开始试验神经网络已经有一个星期了，我很高兴看到这些库的性能与我以前解决这个问题的方法相比。
我特别寻找一些有趣的论文和github项目，与使用这些框架的文本摘要有关。有人能给我一些推荐信吗？
浏览 0提问于2016-02-03得票数 24
回答已采纳
我刚刚开始学习神经网络，以便从cs231中深入学习。我试图在Python中实现神经网络。我正在考虑使用Tensorflow或scikit-学习。对于这个应用程序，这些库的优点和缺点是什么？
浏览 0提问于2018-08-12得票数 10
我理解深高斯过程( DGPs )和贝叶斯深度学习( BDL )之间的区别:DGPs本质上是前馈神经网络，其中每个节点都是高斯过程，BDL对正常(可能是卷积的)神经网络的参数有一个先验的信念。
但这两种模式之间的权衡和关系是什么呢？
浏览 0提问于2019-11-20得票数 2
3回答
在ImageNet ClassifiNeural with Deep Convolutional Neural等论文中
训练方法似乎是随机梯度下降的基本反向传播。
尽管CNN是深度神经网络的一部分，但这纯粹是因为存在大量的隐藏层吗？这是否意味着这里的后盾属于深度学习类别，因为网络是深度的，即使它不遵循与使用贪婪层明智训练(一种真正的深度学习技术)的DBN相同的模式？
谢谢你的帮助和建议。
浏览 2提问于2014-04-19得票数 4
5回答
你能简单地解释一下和传统机器学习之间的区别吗？要使一个神经网络变得“深”需要多少个层次？这都是市场炒作吗？
浏览 14提问于2016-04-12得票数 7
回答已采纳
什么时候将神经网络定义为深度神经网络(DNN)而不是神经网络？
据我所知，DNN是具有多层的神经网络，简单的神经网络通常有较少的层数。但又有多少人呢？还是有其他的定义？
使用Tensorflow、Caffee这样的培训网络是什么？据我所知，我还没有看到任何人手动设计一个包含许多层的网络。他们似乎推广了创建DNN的工具，但是如果您只创建一个包含两个层的网络，那么DNN实际上是DNN吗？
浏览 0提问于2016-12-28得票数 8
回答已采纳
深度学习的h2o实现与tensorflow或theano有何不同。展示了h2o中的tensorflow实现。
当h2o本身可以为神经网络的梯度下降问题找到最小值时，tensorflow在h2o中的用途是什么？
浏览 14提问于2017-07-14得票数 0
3回答
关于神经网络的不同结构
、、、
https://www.mathworks.com/help/deeplearning/ref/fitnet.html是我为理解将数据拟合到函数所遵循的教程。我对结构和术语几乎没有疑问，它们如下：
1.模型和隐藏层数
所谓隐藏层，是指输入和输出之间的一层。如果层数=1，有10个隐神经元(如第二个图所示)，那么本质上是一个称为MLP的神经网络。我的理解正确吗？总体而言,
如果隐藏层数= 0，则称NN为感知器。
如果隐层数为>=1但小于3，则神经网络成为MLP。链接中的图片是否是MLP的图片，因为它包含一个由10个神经元组成的隐藏层？
如果隐藏层数>3，则称为深度神经网络--即深度学习
浏览 0提问于2019-10-10得票数 2
回答已采纳
1回答
在迈克尔·尼尔森( Michael )的著作“深度学习和神经网络”( Deep and Networks )中，他使用了一种天真的方法来编写代码，这比用tensorflow编写的代码考虑得更多。
我想知道哪个代码更好，它如何更好？
浏览 0提问于2020-04-17得票数 0
1回答
我是学生，在python上还是新手，我需要在我们的领域中使用深度神经网络，这与深度学习没有直接关系，但我们可以用深度学习来优化这些错误。
上一次我尝试用python工作，但是我发现我需要很长的时间从头开始学习python。我们几乎所有的东西都使用Matlab，我很好地掌握了它。我决定搬回matlab，利用那里的深度学习。我的问题是，有谁有任何视频或教程，我可以跟随，以了解有多深的学习Matlab？
提前谢谢你。
浏览 5提问于2019-10-12得票数 0
回答已采纳
2回答
我正在做一个项目，我必须用深层神经网络来构建一个分类器，我将处理大数据。我熟悉神经网络，但不是专家。显然，我可以在网上找到大量关于深度学习的文献，但大部分都是与convnets相关的。对于基于DNN的分类器，有什么很好的研究论文吗?还是我应该堆更多的层？我想了解一下建筑和培训过程。使用深度神经网络是强制性的，即使精度很低，但如果能成功的话，那就太好了。
浏览 0提问于2018-02-12得票数 2
回答已采纳
1回答
并行Q-学习
、、、、
我正在寻找学术论文或其他可信的来源，侧重于平行强化学习的主题，特别是Q-学习。我最感兴趣的是在进程之间共享Q表的方法(如果每个进程都有自己的进程，则将它们连接/同步在一起)。我也希望对链接/提到的来源中使用的方法进行简要的描述。
我应该指出，我使用神经网络(PyBrain)作为近似。
浏览 0提问于2016-01-14得票数 4
9回答
我是一名大一本科生(提到这一点，所以你可以原谅我的不熟悉)，他目前正在使用神经网络进行研究。我在我教授的指导下编写了一个三节点的神经网络。然而，我想在人工智能和数据科学的职业生涯，我想教自己更多关于这些适当的深入。有什么书或资源可以教我更多关于神经网络结构、深度学习等的知识吗？有什么建议吗？
注意:我精通Java、Python、Bash、JavaScript、Matlab，并对C++有一点了解。
浏览 0提问于2018-12-26得票数 21
回答已采纳
2回答
更新数据的神经网络训练
、、、
我有一个神经网络，它经过了一些数据集的训练。假设dataset最初有10k个数据点，现在又添加了100个数据点。有没有办法让我的神经网络在不需要从头开始训练的情况下学习整个(更新)数据集？此外，灾难性干扰是否适用于此？当NN试图学习“新信息”时，我知道灾难性干扰是适用的，但我不确定“更新(由于插入)信息”是否算作“新信息”。
浏览 11提问于2019-11-29得票数 1
回答已采纳
现在我正在研究一个深度学习问题。我正在尝试在matlab中使用卷积神经网络。但是文档上说，我们需要用于gpu计算的NVIDIA显卡。
我的笔记本电脑具有用于图形处理的英特尔核芯显卡2600。因此，有人可以建议我们在这种情况下运行深度学习算法和convnet算法的任何其他选择。
我可以在没有GPU计算的情况下运行这些算法吗?会有什么效果(在时间差方面)。
浏览 3提问于2016-06-13得票数 1
1回答
深度神经网络模型融合
、、、
最近我在研究神经网络的深度学习算法，只是好奇地问一下，是否可以将两个神经网络模型合并，并输出一个包含从这两个模型中学习到的所有知识的模型？
例如：
模型A可以在特性A，B上工作
B型可用于特征C，D
(模型类型对于模型A和模型B是一样的，如果这样做更容易的话)。
经过模型合并，得到了能够在特征、B、C、D上工作的模型C。
我研究过转移学习和暹罗网络，但据我所知，我认为这些技术不能帮助我实现我的目标？(如果我错了，请纠正我)。
因此，任何想法将非常感谢合并这两个模型，或任何可能的技术，术语是欢迎的。
浏览 0提问于2021-04-03得票数 0
2回答
我是一个在业余时间学习数据科学的高中生.我得到了一个能够解决xor问题的神经网络。我的神经网络使用sigmoid作为隐层和输出层的激活函数。它也只有一个隐藏层。我想知道用我的神经网络可以解决的最简单的问题是什么。我想要一个数据库，其中有一个概率输出或类似的东西，因为我在把乙状结肠输出转换成正常值时遇到了问题。我看过UCI机器学习库，但没有发现什么女巫吸引了我的眼球。如能提供任何帮助，我将不胜感激！)
浏览 0提问于2018-08-25得票数 1
回答已采纳
1回答
我有一个大约100个数值的数据集。我把我的神经网络的学习速度设为0.0001。我已经成功地在数据集上训练了100多万次。但我的问题是，在神经网络中，很低的学习率的影响是什么？
浏览 2提问于2018-08-05得票数 0
回答已采纳
2回答
当我开始使用人工神经网络(NN)时，我认为我必须与过度拟合作斗争，这是主要问题。但在实践中，我甚至不能让我的神经网络通过20%的错误率障碍。我连我在随机森林上的分数都打不了！
我正在寻求一些非常普遍或不那么普遍的建议，关于应该如何做才能使NN开始捕捉数据的趋势。
为了实现NN，我使用Theano叠加的自动编码器与教程中的代码一起工作(小于5%的错误率)对MNIST数据集进行分类。它是一个多层感知器，上面有softmax层，每个隐藏层后来都被预先训练为自动编码器(在教程，第8章中有详细描述)。有大约50个输入特性和10个输出类。神经网络具有乙状结肠神经元，所有数据都被归一化为0,1。我尝试了许多
浏览 0提问于2014-07-13得票数 59
回答已采纳
4回答
以下四类之间有什么区别：
人工智能(AI)
机器学习(ML)
神经网络
深度学习(DL)
数据科学
我目前的理解是，每一种算法都封装了一些算法。我觉得，在ML、NN和DL中，机器学习(ML)是最大的集合，它包含NN，而后者又包含DL。见下图。数据科学是所有五项中最大的一组。这是正确的吗？人工智能在这个数字上会是什么样子？
📷
浏览 0提问于2020-11-18得票数 4
回答已采纳
1回答
我正在实现连续强化学习(用深度强化学习的连续控制)，但在优化策略-神经网络时遇到了一些问题。
按照本文的建议，通过计算和跟踪梯度(梯度上升)，使策略的q值最大化:最大Q(状态，action=policy(状态))。然而，由于Q-神经网络(最初)不是Q(状态，动作)的完全逼近，当政策的作用变得很大/无限时，我遇到了问题。当行动->无限时，Q->无穷大，这意味着策略的权重被优化到非常大或无限大的值。Morover，当政策开始输出接近无穷大的值时，这意味着q-值变得太大，而增强值变得不相关，因为"r + gamma*Q“被非常大的q-值所主导。
您推荐的解决方案是什么？我计划将策
浏览 1提问于2017-04-29得票数 2
我正在寻找一篇论文，对神经网络(深度学习)和传统方法做一些比较，以证明DL通常在足够的数据下表现得更好。我知道这是众所周知的事实，但我很难找到一篇好的论文，在这方面做一些研究。
谢谢!
浏览 0提问于2017-12-27得票数 1
我在寻找推动套袋的不同之处，我看到这句话到处被引用。
如果分类器不稳定(高方差)，则应采用套袋。如果分类器是稳定的和简单的(高偏倚)，那么我们应该应用bias。
也是
Breiman表明，套袋对不稳定的学习算法是有效的，训练集中的小变化会导致预测发生很大的变化。布雷曼声称，神经网络和决策树是不稳定学习算法的例子。检查最后一行
gbdt不是xgboost中最受欢迎/推荐的学习者吗？考虑到决策树显然是不稳定的学习者，这是矛盾的。
浏览 0提问于2020-10-27得票数 0
2回答
每个神经元的神经网络偏差
、、、
我一直在关注安德鲁吴在神经网络上的视频。在这些视频中，他不把偏见与每一个神经元联系起来。相反，在计算了每一层的激活后，他在每一层的顶端都添加了一个偏置单元，并利用这种偏差以及计算来计算下一层的激活(正向传播)。
然而，在机器学习的其他一些博客和像这样的视频中，每个神经元都有一种偏见。这是什么和为什么不同，它的含义是什么？
浏览 4提问于2016-05-12得票数 14
回答已采纳
3回答
尺度神经网络
、、、、
当使用神经网络(TensorFlow:深度神经回归)时，当将训练数据从样本增加到整个数据(例如10倍大的数据集)时，您应该对模型体系结构(更深/更宽)、学习速度和一般的超参数进行哪些更改？
在这些变化中，有多少尝试和错误涉及到启发式逻辑？
浏览 0提问于2019-03-21得票数 6
3回答
我最近开始学习深层神经网络，并在网上阅读教程。无论在哪里，我都看到用CNN进行图像分类的话题有点模糊。在学习图像分类之后，似乎没有人遵循指南来学习哪些主题。
如果有人能指导我学习更高级的课题，并开始这个领域的研究，我会非常感激的。
到目前为止，我所讨论的主题是：
基础机器学习
线性回归
Logistic回归
支持向量机
决策树
优化算法
正则化方法
不同损失函数
训练中的不同计量学
特征提取
HyperParameter调谐
基本神经网络
安
CNN
图像分类
训练前的图像增强
可视化过滤器
我已经开始使用CNN学习对象检测，但我有一种感觉，我错过了一些可以加强我的基础的话题。
提前谢
浏览 0提问于2020-07-10得票数 3
回答已采纳
1回答
神经网络在x轴上不对称是很常见的现象，即前几层比后几层有更多的核子。常见例子：
📷
但是，神经网络的结构是否能够使它们在y轴上不对称，也就是说，网络的某些部分比其他部分“更深”呢？
这方面可能有用的一个例子是，一个问题涉及一些简单的特征(只需要少量的层)和一些更复杂的特征(这些特征可能会从拥有更多的层而大大受益-即更大的“深度”)。
浏览 0提问于2020-07-11得票数 1
2回答
我是TensorFlow和深度学习的新手。我正在尝试创建一个完全连接的神经网络，用于图像处理。我有点困惑。
我们有一个图像，比如说28x28像素。这将有784个输入到NN。对于不相关的输入，这是很好的，但图像像素通常是相关的.举个例子，想想一张牛眼的照片。当我们将所有像素排列在一个阵列中，用于一个完全连接的网络时，神经网络如何理解这一点？它是如何确定相关性的？
浏览 2提问于2016-05-31得票数 1
回答已采纳
1回答
我刚刚完成了我的300行程序，我在Keras训练了神经网络，用于行人检测。我想在这个项目中把它分开，但我不知道怎么做。在不同的文件中分离机器学习算法代码的最佳方法是什么，以便看到我的代码的人可以看到每个不太大的文件？
浏览 0提问于2018-07-09得票数 1
我正在与数据科学家合作，他们希望了解和理解他们使用Azure Machine /Service中的视觉界面训练的神经网络模型。是否有可能排除并检查神经网络模型的内部表示？有没有一种方法，我可以写代码，访问一个经过训练的神经网络的节点和权重，以便将网络可视化为一个图形结构？或者，如果Azure /Service不支持这一点，我希望能为不同的机器学习框架提供更适合这种分析的建议。
我尝试过的事情：
培训模型输出ILearnerDotNet (AML )或模型(AML )。我查找要拖到工作区中的项，在工作区中可以编写自定义代码，例如执行Python脚本。他们似乎接受数据集，但不接受ILearne
浏览 0提问于2019-06-02得票数 2
回答已采纳
1回答
我正在尝试理解2D卷积神经网络和2D深度卷积神经网络在计算方面的异同。(我理解这些概念)。
例如，假设有一个3x3的输入图像，具有3个通道(RGB)，填充为1，步长为1。滤波器为2x2。
输出是什么？(可以忽略激活和偏差)
我知道普通的conv2D会有13x3的输出，而dw conv2D会有3。除此之外，我有点困惑。谢谢
浏览 0提问于2019-06-10得票数 4
1回答
我学习神经网络已经很长时间了，实际上我被这个叫做正则化的话题困住了。我学习了L1，L2正则化技术，该技术的主要目标是尽可能地保持权重。但我还是不明白为什么这有用。我其实是在看这本书--
浏览 3提问于2020-11-30得票数 0
回答已采纳
2回答
我需要用强化学习来教一个神经网络，一种棋盘游戏的策略。我选择了Q学习作为特例。
我想要一个神经网络具有以下结构：
层- rows * cols + 1神经元.板上连续字段的输入值(0表示空，1或2表示播放器)，动作(自然数)
层- (??)神经元-隐藏
第1层神经元在给定状态下的作用值(浮点)
我的第一个想法是首先创建一个状态、行动和价值观的地图，然后尝试教授神经网络。如果教学过程不成功，我可以增加神经元的数量，重新开始。
然而，我很快就遇到了性能问题.首先，我需要从简单的内存Python dict切换到数据库(内存不足)。现在，数据库似乎成了一个瓶颈(简单地说，有许多可能的状态，因此检索操作
浏览 0提问于2016-01-05得票数 8
我对深度学习真的很陌生，我想知道，如果我们构建一个只有一个隐藏层的NN，但它比一个具有更多隐藏层但隐藏层上的单元比另一个NN少得多的单元。
什么是能给我们最好性能的神经网络？
提前感谢！
浏览 1提问于2020-02-15得票数 2
2回答
我有一个带有标签的坐标数据集，其中一组坐标(图)遵循全局相同的模式。我有成千上万张图片的眼睛、嘴巴和鼻子的坐标。可以从单个图像上的这些坐标生成一个图形，我希望使用该结构从该模式中学习预测节点的类(点在图像上)。
我想要创建机器学习模型来准确地预测每个元素的类。
任务很简单，但我遇到的所有参考资料都是关于花哨的研究图、神经网络的。
我怎样才能有效地做到这一点呢？
浏览 0提问于2021-03-20得票数 0
1回答
神经网络经过最初的训练后，最佳的适应方式是什么？
也就是说，我想做一些图像识别，网络应该得到更好的新图片，我呈现它。这可以通过加强学习来完成，但为了一开始的快速发展，我想使用反向传播。有可能更新网络吗？
那么稍后创建新的类别又如何呢？
除了使用完整的数据集对其进行再培训之外，还有其他方法吗?因为这需要很长时间。
对不起，我的基本问题，但我找不到很多有关这方面的信息。
浏览 4提问于2015-11-23得票数 2
回答已采纳
2回答
如何提高生物数据集的准确性？
、、、、
我有一个生物不平衡数据集，我已经应用了深入学习，支持向量机(所有的核心函数)和人工神经网络的多类分类(大小:139个样本，5个属性)在python。不幸的是，准确度不超过55%。怎样做才能提高准确度？如果数据集不能超过这种平均精度，那么解决方案是什么？
浏览 0提问于2017-08-01得票数 1
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
