conda经验

最新推荐文章于 2023-12-11 16:21:29 发布
最新推荐文章于 2023-12-11 16:21:29 发布
阅读量418 收藏
点赞数
分类专栏： machine-learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tangketan/article/details/105756903
版权

目录

Conda相关

conda下载超时

conda更换源

添加中科大源

查看Conda已经安装的包

查看Conda可以安装的包版本

conda的python import的包版本不对

Pip相关

更换pip源到国内镜像pip国内的一些镜像

修改源方法：

pip install超时解决

CUDA相关

查看CUDA版本与显卡驱动版本的对应关系

查看tensorflow-gpu版本与CUDA版本的对应关系

Tensorflow与Keras的版本对应

查看cuDNN的版本

Could not find 'cudart64_100.dll'问题解决

Install NVidia driver on Ubuntu 16.04

Conda相关

conda下载超时

conda 修改配置信息
从配置信息中可以看到，默认的连接超时时间和默认的读取超时时间分别是9.15s和60s

下面通过参数设置来修改默认的值：

conda config --set

把连接超时的时间设置成40s，读取超时的时间修改成100s

conda config --set remote_connect_timeout_secs 40
conda config --set remote_read_timeout_secs 100

conda更换源

TUNA 还提供了 Anaconda 仓库与第三方源（conda-forge、msys2、pytorch等，查看完整列表）的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改（上一步的conda config --set remote_connect_timeout_secs 40也会生成.condarc文件）。

注：由于更新过快难以同步，我们不同步pytorch-nightly, pytorch-nightly-cpu, ignite-nightly这三个包。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

添加中科大源

在命令行里输入以下命令

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

 

查看Conda已经安装的包

先进入conda环境，再输入pip list即可。也可以用conda list，效果是一样的。

查看Conda可以安装的包版本

先进入conda环境，再输入 conda serach <package-name> 即可。也可以用pip search.

conda的python import的包版本不对

我在anaconda里安装的tensorflow版本是2.0，但import时发现版本是1.13。因为这个2.0的python是用pip安装的，开始还以为pip安装的包被conda找到的优先级比较低，所以找到了一个公共版本的tensorflow。后来发现问题不是tensorflow，而是python. 在activate conda环境后直接打python，启动的不是该环境下的python，而是公共python.

解决办法就是用where python列出当前目录下能找到的所有python，然后找到conda目录下的那个，比如 D:\ProgramData\Anaconda3\envs\yolov3-tf2-gpu\python.exe，然后就打完整路径的python，就可以保证找到正确的python，以及正确的tensorflow了。

Pip相关

更换pip源到国内镜像
pip国内的一些镜像

  阿里云 https://mirrors.aliyun.com/pypi/simple/
  中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  豆瓣(douban) http://pypi.douban.com/simple/
  清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
  中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

修改源方法：

临时使用：
可以在使用pip的时候在后面加上-i参数，指定pip源
eg: pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple

永久修改：
linux:
修改 ~/.pip/pip.conf (没有就创建一个)， 内容如下：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows:
直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

pip install超时解决

在上面的pip.conf (linux)或pip.ini (windows)中[global]下面添加一行：timeout = 6000

CUDA相关

查看CUDA版本与显卡驱动版本的对应关系

查看CUDA及驱动版本：nvidia-smi。其中第一行就有驱动及CUDA版本信息。

在这里插入图片描述

查看tensorflow-gpu版本与CUDA版本的对应关系

版本    Python 版本    编译器    编译工具    cuDNN    CUDA
tensorflow_gpu-2.0.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.19.2    7.4.1以及更高版本    CUDA 10.0 (需要 410.x 或更高版本)
tensorflow_gpu-1.13.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.19.2    7.4    10.0
tensorflow_gpu-1.12.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.11.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.10.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.9.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.11.0    7    9
tensorflow_gpu-1.8.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.10.0    7    9
tensorflow_gpu-1.7.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.9.0    7    9
tensorflow_gpu-1.6.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.9.0    7    9
tensorflow_gpu-1.5.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.8.0    7    9
tensorflow_gpu-1.4.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.5.4    6    8
tensorflow_gpu-1.3.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.5    6    8
tensorflow_gpu-1.2.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.5    5.1    8
tensorflow_gpu-1.1.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.2    5.1    8
tensorflow_gpu-1.0.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.2    5.1    8

Tensorflow与Keras的版本对应

rameworkEnv name (--env parameter)DescriptionDocker ImagePackages and Nvidia Settings
TensorFlow 1.14tensorflow-1.14TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6.floydhub/tensorflowTensorFlow-1.14
TensorFlow 1.13tensorflow-1.13TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.13
TensorFlow 1.12tensorflow-1.12TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.12
 tensorflow-1.12:py2TensorFlow 1.12.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow 
TensorFlow 1.11tensorflow-1.11TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.11
 tensorflow-1.11:py2TensorFlow 1.11.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow 
TensorFlow 1.10tensorflow-1.10TensorFlow 1.10.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.10
 tensorflow-1.10:py2TensorFlow 1.10.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow 
TensorFlow 1.9tensorflow-1.9TensorFlow 1.9.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.9
 tensorflow-1.9:py2TensorFlow 1.9.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow 
TensorFlow 1.8tensorflow-1.8TensorFlow 1.8.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.8
 tensorflow-1.8:py2TensorFlow 1.8.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.7tensorflow-1.7TensorFlow 1.7.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.7
 tensorflow-1.7:py2TensorFlow 1.7.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.5tensorflow-1.5TensorFlow 1.5.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.5
 tensorflow-1.5:py2TensorFlow 1.5.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.4tensorflow-1.4TensorFlow 1.4.0 + Keras 2.0.8 on Python 3.6.floydhub/tensorflow 
 tensorflow-1.4:py2TensorFlow 1.4.0 + Keras 2.0.8 on Python 2.floydhub/tensorflow 
TensorFlow 1.3tensorflow-1.3TensorFlow 1.3.0 + Keras 2.0.6 on Python 3.6.floydhub/tensorflow 
 tensorflow-1.3:py2TensorFlow 1.3.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.2tensorflow-1.2TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow-1.2:py2TensorFlow 1.2.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.1tensorflowTensorFlow 1.1.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow:py2TensorFlow 1.1.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.0tensorflow-1.0TensorFlow 1.0.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow-1.0:py2TensorFlow 1.0.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 0.12tensorflow-0.12TensorFlow 0.12.1 + Keras 1.2.2 on Python 3.5.floydhub/tensorflow 
 tensorflow-0.12:py2TensorFlow 0.12.1 + Keras 1.2.2 on Python 2.floydhub/tensorflow 
PyTorch 1.1pytorch-1.1PyTorch 1.1.0 + fastai 1.0.57 on Python 3.6.floydhub/pytorchPyTorch-1.1
PyTorch 1.0pytorch-1.0PyTorch 1.0.0 + fastai 1.0.51 on Python 3.6.floydhub/pytorchPyTorch-1.0
 pytorch-1.0:py2PyTorch 1.0.0 on Python 2.floydhub/pytorch 
PyTorch 0.4pytorch-0.4PyTorch 0.4.1 on Python 3.6.floydhub/pytorchPyTorch-0.4
 pytorch-0.4:py2PyTorch 0.4.1 on Python 2.floydhub/pytorch 
PyTorch 0.3pytorch-0.3PyTorch 0.3.1 on Python 3.6.floydhub/pytorchPyTorch-0.3
 pytorch-0.3:py2PyTorch 0.3.1 on Python 2.floydhub/pytorch 
PyTorch 0.2pytorch-0.2PyTorch 0.2.0 on Python 3.5floydhub/pytorch 
 pytorch-0.2:py2PyTorch 0.2.0 on Python 2.floydhub/pytorch 
PyTorch 0.1pytorch-0.1PyTorch 0.1.12 on Python 3.floydhub/pytorch 
 pytorch-0.1:py2PyTorch 0.1.12 on Python 2.floydhub/pytorch 
Theano 0.9theano-0.9Theano rel-0.8.2 + Keras 2.0.3 on Python3.5.floydhub/theano 
 theano-0.9:py2Theano rel-0.8.2 + Keras 2.0.3 on Python2.floydhub/theano 
CaffecaffeCaffe rc4 on Python3.5.floydhub/caffe 
 caffe:py2Caffe rc4 on Python2.floydhub/caffe 
TorchtorchTorch 7 with Python 3 env.floydhub/torch 
 torch:py2Torch 7 with Python 2 env.floydhub/torch 
Chainer 1.23chainer-1.23Chainer 1.23.0 on Python 3.floydhub/chainer 
 chainer-1.23:py2Chainer 1.23.0 on Python 2.floydhub/chainer 
Chainer 2.0chainer-2.0Chainer 1.23.0 on Python 3.floydhub/chainer 
 chainer-2.0:py2Chainer 1.23.0 on Python 2.floydhub/chainer 
MxNet 1.0mxnetMxNet 1.0.0 on Python 3.6.floydhub/mxnet 

查看cuDNN的版本

因为cuDNN本质上就是一个C语言的H头文件，

（1）在windows平台下：

直接进入安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include  之下，然后找到

cudnn.h 的头文件，直接到开查看，在最开始的部分会有如下定义：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
 
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
即7500，也就是cudnn的版本为7.5.0版本；

（2）在Linux下当然也可以直接查看，但是通过命令更简单，进入到安装目录，执行如下命令：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  即可查询

Could not find 'cudart64_100.dll'问题解决

win10 x64 系统中tensorflow遇到ImportError: Could not find 'cudart64_100.dll'。检查cuda及驱动的版本又是匹配的。参考这篇文章，发现其实是环境变量的问题。电脑上其实是有这个dll的，但是python没有找到它。解决的方法：

  1. 找到这个dll，复制到工程目录下。如果找不到，就从网上找一个，也是可以的。
  2. 将这个dll所在的目录添加到path环境变量

Install NVidia driver on Ubuntu 16.04

1..需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开:

   sudo gedit /etc/modprobe.d/blacklist.conf

输入密码后在最后一行加上:  blacklist nouveau 是将Ubuntu自带的显卡驱动加入黑名单

Ctrl +C保存后注意此时还需执行以下命令使禁用 nouveau 真正生效终端输入 ： sudo update-initramfs -u  

2. 重启,这里要尤其注意，安装显卡驱动要先切换到文字界面，(按Ctrl+Alt+F1~F6).所以，启动电脑后，先进入文字界面。 然后，首先输入命令sudo service lightdm stop

关闭桌面服务现在可以安装驱动了，先进入家目录 cd ~ ，然后： sudo sh ./NVIDIA-Linux-x86_64-375.20.run，按照提示一步步来完成后，再次重启电脑。

安装完成之后输入以下指令进行验证： sudo nvidia-smi ，若列出了GPU的信息列表则表示驱动安装成功。

tangketan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Miniconda3-py39_4.10.3-Linux-x86_64.zip
02-06
总的来说，Miniconda3-py39_4.10.3-Linux-x86_64.zip提供了一种高效、灵活的方式来管理和使用Python 3.9环境，无论是初学者还是经验丰富的开发者，都能从中受益。通过conda的强大功能，用户可以轻松地构建、维护和...
Jupyter杂症一：jupyter 内核似乎挂掉了 它很快将自动重启---解决方案
mantoureganmian的专栏
10-26 1万+
jupyter 内核似乎挂掉了 它很快将自动重启 NTEL MKL ERROR: Intel MKL FATAL ERROR: Cannot load libmkl_avx512.so.2 or libmkl_def.so.2.
设置conda的代理和超时时间
gs344937933的专栏
10-04 1338
下载国外的资源时，会特别的慢，这个时候就需要配置代理，在配置代理后，还需要设置超时时间，主要是网络不稳定的时候会经常的断线，这样就需要重新下载了，比较麻烦。 在~/目录下，创建 .condarc 文件，如下： channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirr
Conda修改默认环境创建路径
weixin_42448643的博客
10-06 309
注 : Windows操作系统创建的 .condarc 文件通常在 C:\Users\User_name 这个目录下；注 : Linux操作系统创建的 .condarc 文件通常在/home/User_name 这个目录下。
【Anaconda实用教程】Anaconda使用修改.condarc文件和常用命令、及解决没有.condarc的情况
热门推荐
05-01 3万+
【Anaconda实用教程】Anaconda使用修改.condarc文件和常用命令、及解决没有.condarc的情况
【Python】conda镜像配置，.condarc文件详解，channel镜像
Code_LT的博客
12-11 3万+
安装miniconda即可，Miniconda 安装包可以到下载。.condarc是conda 应用程序的配置文件，在用户家目录（windows：C:\users\username\），用于管理镜像源。
Miniconda3-py310_23.5.2-0-Windows-x86_64.zip
11-16
Miniconda3-py310_23.5.2-0-Windows-x86_64.zip 是一个专为Windows x64系统设计的压缩包，它包含了一个名为 Miniconda3 的轻量级...因此，无论你是初学者还是经验丰富的开发者，Miniconda3都是一个值得拥有的工具。
Miniconda3-py39_4.10.3-Windows-x86_64.zip
最新发布
02-06
Miniconda3是一款轻量级的Anaconda发行版，专为Python编程语言设计，用于简化环境管理和包管理。它的名称中的“Mini”意味着它比完整的Anaconda发行版更小，包含的...无论是初学者还是经验丰富的开发者，都能从中受益。
如何安装并使用conda指令管理python环境
09-19
在Python开发中，环境管理是一项重要的任务，尤其是当你需要处理多个项目，每个项目可能依赖不同版本的库时。Conda是一个强大的开源环境...无论你是初学者还是经验丰富的开发者，掌握conda都将极大地提升你的工作效率。
Miniconda-3.9.1-MacOSX-x86_64.zip
04-28
Miniconda是一款轻量级的Anaconda发行版，专为数据科学家、开发人员和系统管理员设计，用于在Python环境中高效...无论是初学者还是经验丰富的开发者，都可以通过这个轻量级的工具快速构建和管理自己的Python工作环境。
conda下载出现连接超时怎么办 改变源，设置timeout时间
Arthur_Holmes的博客
03-25 9485
conda下载出现连接超时怎么办文章目录：一、连接超时原因二、解决conda下载超时的两种办法1、添加下载镜像地址2、conda通过参...
ubuntu16 cuda配置
weixin_30696427的博客
11-06 139
# 安装cuda8.0 runfile # 第一个驱动选择n # 解压cudnn tar.gz包 sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn....
Ubuntu18.04+GTX3090 编译安装pytorch-nightly环境
mmmm223的博客
12-24 2076
由于pytorch目前对30系列显卡的支持不是很好，最好使用源码编译安装，特此记录。 时间：2020年11月24日 安装方式：源码编译安装 环境：ubuntu18.04 + GTX3090 + 显卡驱动455 + Cuda11.1.0 + Cudnn8.0.4 (环境安装) 源码安装 1.安装torch 进入Conda环境conda activate pytorch_test 安装依赖conda install numpy ninja pyyaml mkl mkl-include setuptoo
【conda的换源教程】
qq_43778485的博客
10-10 1万+
当遇上conda下载很慢的时候，或许这篇conda换源（常用国内镜像源）文章能给小伙伴带来帮助~~
Conda和pip常用命令及更改安装源
Qy_sfsh的博客
04-27 7071
conda自身相关 conda --version/ -V #查看当前conda工具版本号 conda update conda #更新conda至最新版本 conda -h...
修改conda为国内源
技术、思维
04-25 8865
1 找到用户根目录 首先确认一下用户的根目录，打开conda的命令窗口 这里显示的zzh_m就是我的用户根目录。 2 生成源文件.condarc 在conda的命令窗口下，执行 conda config --set show_channel_urls yes 然后会在根目录下生成.condarc文件。 3 打开 .condarc文件，修改为如下： channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https:/
conda虚拟环境配置及镜像源修改
m17635262186的博客
10-14 5537
一些项目需要不同的python环境，为不影响项目开发及运行，可通过配置虚拟环境进行开发，本文就conda环境配置展开介绍。
Win10+Anaconda+CUDA11.0+cuDNN8.0.1+RTX2060深度学习_pytorch环境配置
台风天赋的博客
07-10 8766
最近换了电脑，需要在新电脑上配置pytorch环境。以前的电脑上配置过，这次再配置顺便记录下来，供以后参考。。。 ———————————————————————— 首先去NVIDA官网下载CUDA： https://developer.nvidia.com/cuda-toolkit-archive 这里我下载的是现在最新的V11.0版本 安装好后再在NVIDA官网上下载cuDNN，下载这个的时候需要注册。不需要翻墙也可以注册： https://developer.nvidia.com/rdp/c
conda 修改镜像源
weixin_42425256的博客
03-25 1万+
1.添加清华看镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set ...
conda 4.5.11
07-28
- *1* [Anaconda (conda 4.5.11,python3.7版本)安装tensorflow经验](https://blog.csdn.net/fzyjsy/article/details/84447621)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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