dos皇帝攻略_dos游戏皇帝

于 2020-12-28 21:37:39 发布
阅读量2.6k 收藏
点赞数
文章标签： dos皇帝攻略
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/weixin_29029731/article/details/111985534
版权

DOTA2自走棋猎人流吃鸡套路

DOTA2自走棋猎人流派因为其合成的路线相对平滑且后期的能力非常强获取了不少玩家的青睐，下面介绍一下DOTA2自走棋猎人流吃鸡套路。

DOTA2自走棋德鲁伊玩法攻略

DOTA2自走棋在更新了德鲁伊体系，很多玩家还不知道德鲁伊该怎么玩吧!不要着急，和小编一起来了解一下吧!

OB九雄齐聚指日可待!OB战队又有一员入驻斗鱼DOTA2板块

如今，最火热的直播圈主播强势入驻的消息吸引着大部分网友的目光，就在前两日斗鱼发布了这样一条微博，先是恭喜宝哥ZippO生日快乐，又发布了一张宝哥即将入驻斗鱼的海报，不得不说这样的官宣确实惹人喜爱。宝哥是最为DOTA元老级的选手，在DOTA圈可谓是无人不知无人不晓，这次宝哥ZippO强势入驻斗鱼将会给我们带来怎样的惊喜呢?

DOTA2自走棋最全阶段性攻略

今天小编就来给大家分享一份资深玩家的DOTA2自走棋的全阶段性攻略，一起来看看吧!

DOTA2自走棋怎么翻盘 DOTA2自走棋翻盘技巧

DOTA2自走棋怎么翻盘?下面小编就来给大家带来DOTA2自走棋翻盘的秘籍，一起来了解一下吧!

DOTA2肉山谷Crimsyth城堡的术士打法

DOTA2中的肉山谷是一张自定义大厅的RPG地图，为此小编带来了DOTA2肉山谷Crimsyth城堡的术士打法，希望大家喜欢。

DOTA2拉比克至宝魔导师密钥购买地址分享

dos游戏皇帝 DOTA2拉比克至宝魔导师密钥已经正式上线了，很多玩家不知道在哪里买,下面小编就为大家介绍一下吧!

DOTA2迎霜节活动内容一览

DOTA2圣诞节准备了崭新的活动，为此小编汇总了一下DOTA2迎霜节活动内容，一起往下看吧!

LOL2018全明星赛2v2第二日赛况：Doubleboy胜Shiporice

LOL2018全明星赛2v2第二日Doubleboy胜Shiporice，NA开心钩钩乐，Doubleboy更胜一筹。

DOTA2-MAJOR|jingjibao|

valve 是一家神奇的公司。一家可以将夏威夷度假变成日常的公司，一家不上市就赚的让人眼红的公司，一家不会数三的公司!这样一家公司，注定是要与众不同的。

以玩会友,八位堂(8BitDo)助力天下聚会云南站

10 月 28 日，八位堂(8BitDo)联合天下聚会举办的游戏盛会天下聚会云南站圆满成功。本次游戏盛会在昆明百家商业街中庭广场创恩文化举行，一百多位玩家、游戏人以玩会友，共同体验、回顾主机游戏 20 年来的变化和发展。

Dota世界冠军中单又有大动作，电竞奠基人酒神正式入驻斗鱼直播

电子竞技发展至今，经历了长期以来的低谷期后终于迎来翻天覆地的变化，老牌职业选手们无疑是推动这一事业的奠基人。

元神搭配好 8090《传奇世界》分分钟double kill

《传奇世界》一款大型的网页游戏，很多玩家对传奇世界的了解应该比小编要多的多，相比都知道，新手都会选择比较好操作的战士职业，但在这个游戏中，战士需要搭配元神，不同的元神会有不同的效果，才能更加厉害，今天就跟着小编一起来了解一下吧!

RW惨遭失利 Doinb与司马老贼赛后表情让人心碎！

dos游戏皇帝 9月9号，LPL夏季季后赛RW与RNG的对决已经落下帷幕了，在RW先下一城的情况下，RNG派出了卡萨与Uzi上场，最终RNG战队凭借全队的出色发挥连扳三场成功击败RW战队。

从DOTA2 TI8赛事直播 看斗鱼电竞行业领跑态势

近日，在加拿大温哥华的罗渣士体育馆，备受瞩目的DOTA2 TI8国际邀请赛，落下了帷幕。

斗鱼领跑游戏直播榜 Dota2Ti8热血赛场精彩无限

最近极光大数据发布了《2018年Q2移动互联网行业季度数据研究报告》，报告中指出，斗鱼直播在网络直播的细分领域当中占据着榜单第一的位置。

TI8倒计时，斗鱼DOTA2祭出豪礼等你来观赛

8月15日，DOTA2年度顶级电竞赛事第八届国际邀请赛将拉开帷幕，此次LGD、VG、Newbee、VGJ.T、Serenity、iG 6支中国队伍将与12支国外顶尖战队齐聚温哥华，一起争夺DOTA2职业殿堂最高荣誉。

斗鱼Done手游联赛QQ炫舞惊现黑马！这位炫舞王者将在斗鱼开启时代？

激燃一夏的斗鱼Done手游联赛正在如火如荼的开展中，8月4日晚QQ炫舞项目迎来总决赛。百万音游玩家齐聚斗鱼119直播间，见证了这激动人心的时刻。

CN DOTA 出征Ti8，虎牙直播全程蓝光高清带你捍卫偶数年夺冠法则

Ti8是由知名公司V社主办的DOTA2全球邀请赛,是全球范围内奖金池最高的一款电竞赛事,堪称电竞赛事中的劳斯莱斯。本届Ti8将在加拿大温哥华隆重举办,目前本届赛事奖金池已接近惊人的2400万美元。包括6支中国战队在内的18支世界顶尖DOTA2战队,将在为期11天的比赛中争夺最后的世界冠军。

再度联手DOTA2 TI全球邀请赛 同斗鱼共鉴中国实力战队

作为全球最受关注的世界级顶级赛事DOTA2 TI8全球邀请赛，将于8月15日，在加拿大温哥华拉开帷幕。届时，中国将派出6大DOTA2队伍参与赛事，与全球的12支战队DOTA2高手们过招竞技，争夺DOTA2的巅峰桂冠。

小飞侠的刀刀
关注
zhipaijava.rar_DOS 游戏
09-24
【标题】"zhipaijava.rar_DOS 游戏" 提供了我们今天要讨论的主题，即一个基于DOS操作系统的纸牌游戏。DOS（Disk Operating System）是微软在20世纪80年代推出的一种命令行操作系统，它在个人计算机的早期广泛使用。...
经典DOS游戏皇帝攻略(曾经的回忆)
热门推荐
吃螃蟹的虾子
12-13 3万+
最完美攻略>>>>> -------------------------------------------------------------------------------- 第一节：游戏的操作  　　游戏左上角圆圈为系统选项，包括离开（存储、读取）游戏。  　　游戏左上角圆圈为退离。  　　游戏右下角为皇帝状态表。  　　分别为智慧、武术、魅力、才艺和快乐/健康,寿命
dos皇帝攻略_DOS游戏之皇帝攻略二
weixin_39562089的博客
12-19 4359
DOS游戏之皇帝攻略二【修身篇】1、游戏开始前的一串问题将决定你的性向及以后的锻炼效果全部选一智力型全部选二魅力型全部选三武力型。2、一开始先着重锻炼魅力去棋琴阁魅力100以上制举时就有贤才出现。3、初期体力不足要计划着用把小窗口一直开着弄清楚各指令所消耗的体力以便统筹安排。4、上朝前把体力补满退朝时至少保留体力40点以上而执行制举、祭祀时体力要在70以上。千万不要透支体力发生昏倒事件会大幅折寿。...
dos game.rar_dos游戏
09-23
标题 "dos game.rar_dos游戏" 暗示了我们讨论的主题是关于在DOS操作系统上运行的一个经典游戏——俄罗斯方块。DOS（Disk Operating System）是微软在20世纪80年代早期开发的一种命令行操作系统，它为个人计算机提供...
DOS.rar_dos manual
09-22
**DOS操作系统的详解** DOS（Disk Operating System，磁盘...总的来说，"DOS.rar_dos manual"压缩包为想要快速掌握DOS的用户提供了实用的学习资源，通过实际操作和理论学习相结合，帮助他们深入理解这一经典操作系统。
dos.rar_C DOS
09-20
【标签】"c_dos" 暗示这个系统是用C语言编写的。C语言是一种强大的、底层的编程语言，适合编写操作系统级别的程序，因为它的效率高且对硬件资源的控制能力强。通过C语言实现的DOS系统可以让用户深入了解操作系统的...
dos.rar_DOS_dos game_雷电DOS版
09-22
【标题】"dos.rar_DOS_dos game_雷电DOS版" 提供的信息主要涉及两个核心主题：DOS操作系统和基于DOS的游戏——雷电DOS版。DOS（Disk Operating System）是个人计算机上早期广泛使用的命令行操作系统，由微软开发。它...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
集团公司战略管理制度.doc
09-21
集团公司战略管理制度.doc
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