【瑞萨RA4系列】使用TinyMaix识别手写数字

最新推荐文章于 2024-03-05 20:25:49 发布
最新推荐文章于 2024-03-05 20:25:49 发布
阅读量943 收藏 8
点赞数 4
分类专栏： 瑞萨MCU应用笔记 文章标签： AI MCU CNN
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/xusiwei1236/article/details/128651859
版权

文章目录

本文首先介绍了轻量级AI推理框架TinyMaix，然后介绍了如何将TinyMaix移植到瑞萨RA4M2系列MCU，最后介绍如何在瑞萨RA4M2上运行TinyMaix自带的手写数字识别示例。本文记录了整个过程的所有操作步骤，以及代码修改，最后给出了完整移植项目的开源代码仓。

一、TinyMaix简介

TinyMaix是国内sipeed团队开发一个轻量级AI推理框架，官方介绍如下：

TinyMaix 是面向单片机的超轻量级的神经网络推理库，即 TinyML 推理库，可以让你在任意单片机上运行轻量级深度学习模型。

根据官方介绍，在仅有2K RAM的 **Arduino UNO(ATmega328, 32KB Flash, 2KB RAM) **上，都可以基于 TinyMaix 进行手写数字识别。对，你没有看错，2KB RAM 32KB Flash的设备上，都可以使用TinyMaix进行手写数字识别！TinyMaix官网提供了详细介绍，可以在本文末尾的参考链接中找到。

所以，在我们这次试用的主角RA-Eco-RA4M2-100PIN开发板上运行TinyMaix完全是没有任何压力的（512KB Flash 128KB SRAM）。接下来，我将介绍如何在RA-Eco-RA4M2-100PIN开发板上运行TinyMaix进行手写数字识别。

1.1 TinyMaix开源项目

GitHub代码仓：https://github.com/sipeed/tinymaix

1.2 下载TinyMaix源码

接下来，克隆TinyMaix源码到到当前项目中：

git clone https://github.com/sipeed/TinyMaix.git

二、TinyMaix移植

TinyMaix是一个轻量级AI推理框架，他的核心功能就是支持AI模型的各种算子，可以简单理解为一个矩阵和向量计算库。对于计算库的移植，我们通常只需要解决编译问题即可，不涉及外设和周边元件。

2.1 创建TinyMaix移植项目

类似上一篇文章的CoreMark移植，按照如下步骤创建RASC项目：

  1. 使用RASC创建名为RA4M2_TinyMaix的项目；
  2. RASC界面中，切换到Pins标签页，选择“System:DEBUG->DEBUG0”，Pin Configuration中修改设置：
    • Operation Mode修改为SWD；
    • SWCLK修改为P300；
    • SWDIO修改为P108；
    • 按Ctrl+S保存；
  3. RASC界面中，继续在Pins标签页，选择“Connectivity:SCI->SCI9”，Pin Configuration中修改：
    • Operation Mode修改为Asynchronous UART；
    • TXD9修改为P109；
    • RXD9修改为P110；
    • 按Ctrl+S保存；
  4. RASC界面中，切换到Stacks标签页，点击“New Stack->Connectivity->UART”添加一个UART组件，添加后鼠标选中，然后在Properties标签页中，在Settings->Module中的：
    • General中Channel修改为9；
    • General中Name修改为g_uart9；
    • Interrupts中Callback修改为uart9_callback；
    • 按Ctrl+S保存；
  5. 点击右上角的Generate Project Content生成Keil项目；

2.2 添加TinyMaix源码

接下来，将TinyMaix的部分源码文件添加到当前项目中，具体为：

  1. 当前项目中创建TinyMaix目录；
  2. 将TinyMaix项目中的include和src目录复制到当前项目的TinyMaix目录中；
  3. 在Keil中，鼠标右键“Source Group 1”选中“Add Existing Files to Group ‘Soure Group1’”，弹出添加文件对话框；
  4. 在添加文件对话框中，将TinyMaix/src子目录中的源文件全部添加到项目中（“tm_layers.c” “tm_layers_fp8.c” “tm_layers_O1.c” “tm_model.c” “tm_stat.c” ）；
  5. 在Keil中，鼠标右键Target 1，选择“Options for Target ‘Target 1’”，点击C/C++标签页；
  6. 在C/C++标签页中，点击Include Path栏右侧的“…”按钮，将TinyMaix/include子目录添加到搜索路径中，点OK保存配置；

完成这些步骤后，TinyMaix核心计算库就可以正常编译通过了。

三、TinyMaix测试准备

TinyMaix编译后，还需要添加测试代码才能看到效果。TinyMaix已经项目本身已有一些测试可同时用了，无需我们手动编写，例如手写数字识别。

TinyMaix本身纯CPU计算不依赖于任何外设功能，但TinyMaix基准测试依赖于：

  • 日志打印，具体是printf输出
  • 精准计时，精确到毫秒即可

下面分别介绍如何在RA-Eco-RA4M2-100PIN开发板上实现这两个基础功能。

3.1 SysTick计时

SysTick是ARM-Cortex内核自带的外设，CMSIS软件包对它进行了封装，使用起来非常方便。一般来说，我们在项目代码中使用SysTick只需要在代码中：

  1. 调用SysTick_Config函数设置SysTick中断频率；
  2. 编写SysTick_Handler函数实现SysTick中断处理；

上篇CoreMark移植的文章中，我们已经实现了基于SysTick的计时，可以直接复制到当前项目的src目录中：

  • hal_systick.c
  • hal_systick.h

其中，hal_systick.c文件内容如下：

#include <stdio.h>
#include "hal_data.h"
#include "hal_systick.h" // #define TICKS_PER_SECONDS 1000

volatile uint32_t g_tick_count = 0;

void hal_systick_init()
{
    SysTick_Config(SystemCoreClock / TICKS_PER_SECOND);
	printf("SystemCoreClock=%d\n", SystemCoreClock);
}

void SysTick_Handler(void)
{
    g_tick_count += 1;
}

uint32_t hal_systick_get()
{
    return g_tick_count;
}

3.2 printf打印

上篇CoreMark移植的文章中，我们已经实现了pinrtf打印到UART9，可以直接复制到当前项目的src目录中：

  • hal_uart9.c
  • hal_uart9.h

其中，hal_uart9.c文件需要略加修改，修改后内容如下：

#include <stdio.h>
#include <stdbool.h>

#include "r_sci_uart.h"
#include "hal_data.h"

volatile bool uart_tx_done = false;

void hal_uart9_init()
{
    R_SCI_UART_Open(&g_uart9_ctrl, &g_uart9_cfg);
}

int fputc(int ch, FILE* f)
{
    (void) f;

    uart_tx_done = false;

    R_SCI_UART_Write(&g_uart9_ctrl, (uint8_t *)&ch, 1);

    while (uart_tx_done == false);

    return ch;
}

void uart9_callback(uart_callback_args_t* p_args)
{
   switch (p_args->event)
   {
      case UART_EVENT_RX_CHAR:
            break;
      case UART_EVENT_TX_COMPLETE:
            uart_tx_done = true;
            break;
      default:
            break;
   }
}

其中，debug_uart9_callback函数重命名为uart9_callback了。

3.4 修改tm_port.h文件

接下来修改TinyMaix/include中的tm_port.h文件，具体为其中的几个宏：

#include "hal_systick.h"
#define TM_DBGT_INIT()     uint32_t _start,_finish; uint32_t _time; _start = hal_systick_get();
#define TM_DBGT_START()    _start = hal_systick_get();
#define TM_DBGT(x)         {_finish = hal_systick_get();                  \
                            _time = _finish - _start;                    \
                            TM_PRINTF("===%s use %lu ms\n", (x), _time); \
                            _start = hal_systick_get();}

3.6 增大堆内存空间

TinyMaix运行时需要使用malloc申请堆内存，默认创建的RASC堆内存配置为0，会导致运行失败，因此需要增大堆内存空间。

增大堆内存空间的操作步骤如下：

  1. RASC中，点击BSP标签页，展开RA Common；
  2. 找到Heap size，将其修改为8192（实测8192可以正常运行，修改成更大值也可以，只要最终生成程序占用内存不超过SRAM都可以）；

四、手写数字识别

4.1 添加示例源码

接下来添加手写数字示例源码到当前项目，具体步骤为：

  • 在当前项目的TinyMaix子目录中，创建examples目录和tools子目录；

  • 打开TinyMaix原始项目examples目录，依次执行如下操作：

    • 将其中的minst子目录复制到RA4M2_TinyMaix项目的TinyMaix/examples子目录中；
    • 删除其中我们用不到的CMakeLists.txt、mnist_train.ipynb文件；
    • 将main.c重命名为mnist_main.c文件；
    • 打开mnist_main.c文件，将其中的main函数重命名为mnist_main，并删除其中的参数，注释掉tm_stat调用；
    • PS：这个目录中的.c文件提供了示例程序入口函数，以及测试图片（mnist数据集中的测试图片是28x28分辨率的灰度图）。

  • 打开TinyMaix原始项目tools目录，依次执行如下操作：

    • 将其中的tmdl子目录复制到RA4M2_TinyMaix项目的TinyMaix/tools子目录中；
    • 删除其中我们用不到的除了mnist_开头的其他文件；
    • PS：这个目录提供了手写数字识别模型；

  • 在Keil中，鼠标右键“Source Group 1”选中“Add Existing Files to Group ‘Soure Group1’”，弹出添加文件对话框；

  • 在添加文件对话框中，将TinyMaix/examples子目录中的mnist_main.c添加到项目中；

4.2 运行示例程序

完成以上修改后，就可以在RA-Eco-RA4M2-100PIN开发板上运行手写数字识别示例了，具体输出如下图所示：

RA4M2_TinyMaix_mnist.png

可以看到，成功识别了数字2，耗时3毫秒。

4.3 模型结构展示

我们取消堆tm_stat调用的注释，重新编译、烧录后，运行时将会看到模型结构输出：

RA4M2_TinyMaix_mnist_model.png

可以看到输入大小为28x28x1，经过6个中间操作之后，得到输出结果。输出是一个1x1x10（对应10个数字的置信度）；

原始模型位于TinyMaix代码仓的，tools/tflie子目录下，mnist_valid_q.tflite文件，可以使用Netron查看模型结构：

mnist_valid_q.png

4.4 示例源码解读

mnist_main.c文件中，开始的几行用于根据tm_port.h中定义的数据使用对应的模型：

#if TM_MDL_TYPE == TM_MDL_INT8
#include "../../tools/tmdl/mnist_valid_q.h"
//#include "../../tools/tmdl/mnist_resnet_q.h"
#elif TM_MDL_TYPE == TM_MDL_FP32
#include "../../tools/tmdl/mnist_valid_f.h"
//#include "../../tools/tmdl/mnist_resnet_f.h"
#elif TM_MDL_TYPE == TM_MDL_FP16
#include "../../tools/tmdl/mnist_valid_fp16.h"
#elif TM_MDL_TYPE == TM_MDL_FP8_143
#include "../../tools/tmdl/mnist_fp8_143.h"
#elif TM_MDL_TYPE == TM_MDL_FP8_152
#include "../../tools/tmdl/mnist_fp8_152.h"
#endif

这些.h文件是由tflite2tmdl.py脚本生成的TinyMaix模型，mnist_valid_f模型的转换命令为：

python3 tflite2tmdl.py tflite/mnist_valid_f.tflite tmdl/mbnet_fp8.tmdl fp8_152 1 28,28,1 10

接下来定义了一个数组，uint8_t mnist_pic[28*28]，保存一张测试图片，数组每个元素对应一个像素的灰度值。

uint8_t mnist_pic[28*28]={
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,116,125,171,255,255,150, 93,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,253,253,253,218, 30,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,213,142,176,253,253,122,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0, 52,250,253,210, 32, 12,  0,  6,206,253,140,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0, 77,251,210, 25,  0,  0,  0,122,248,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0, 31, 18,  0,  0,  0,  0,209,253,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,117,247,253,198, 10,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 76,247,253,231, 63,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,128,253,253,144,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,176,246,253,159, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 25,234,253,233, 35,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,198,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0, 78,248,253,189, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0, 19,200,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,134,253,253,173, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 25,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 43, 20, 20, 20, 20,  5,  0,  5, 20, 20, 37,150,150,150,147, 10,  0,
  0,  0,  0,  0,  0,  0,  0,  0,248,253,253,253,253,253,253,253,168,143,166,253,253,253,253,253,253,253,123,  0,
  0,  0,  0,  0,  0,  0,  0,  0,174,253,253,253,253,253,253,253,253,253,253,253,249,247,247,169,117,117, 57,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,118,123,123,123,166,253,253,253,155,123,123, 41,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
};

接下来，mnist_main中使用模型，主要使用了一下几个TinyMaix的API：

  • tm_stat 打印模型结构等信息；
  • tm_load 将模型加载到内存；
  • tm_preprocess 输入数据预处理；
  • tm_run 模型推理，得到输出；
  • tm_unload 模型卸载，释放内存；

使用起来还是非常简单的，跟读细节可以参考TinyMaix介绍页。

本篇内容就到这里了，感谢阅读。

本文完整项目代码仓（感兴趣的同学可以下载下来自行实验）：https://gitee.com/swxu/ra4m2-tiny-maix

五、参考链接

  1. 【TinyMaix介绍】 TinyMaix 超轻量级推理框架： https://wiki.sipeed.com/news/others/tinymaix_cnx/tinymaix_cnx.html
  2. **【RA4M2用户手册】**RA4M2 Group User’s Manual: Hardware： https://www.renesas.cn/cn/zh/document/man/ra4m2-group-users-manual-hardware?r=1469026
  3. **【RASC用户指南】**RA SC User Guide for MDK and IAR https://renesas.github.io/fsp/_s_t_a_r_t__d_e_v.html#RASC-MDK-IAR-user-guide
  4. **【Keil官方文档】**关于重定义库函数使用printf的说明：https://developer.arm.com/documentation/dui0475/c/the-arm-c-and-c—libraries/redefining-low-level-library-functions-to-enable-direct-use-of-high-level-library-functions
  5. 【野火 瑞萨RA系列FSP库开发实战指南】 SCI UART——串口通信：https://doc.embedfire.com/mcu/renesas/fsp_ra/zh/latest/doc/chapter19/chapter19.html
  6. 【野火 瑞萨RA系列FSP库开发实战指南】 SysTick——系统定时器：https://doc.embedfire.com/mcu/renesas/fsp_ra/zh/latest/doc/chapter17/chapter17.html
码工许师傅
关注
  • 4
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
瑞萨RA系列数据手册，芯片手册
07-06
开发使用
stm32单片机knn算法手写数字识别
12-23
电脑通过串口传给单片机，单片机用KNN算法给出手写数字的预测结果，并且在液晶上显示
TinyMaix: 探索未来的AI开发板
gitblog_00002的博客
03-05 363
TinyMaix: 探索未来的AI开发板 TinyMaix 是一个基于 Sipeed Maix II 系列 AI 开发板的轻量级框架，提供了一种简单、快速的方式来实现边缘计算设备上的智能应用。 TinyMaix 的主要功能 TinyMaix 主要用于在嵌入式设备上运行 AI 模型，并提供了多种特性以满足不同需求： 实时图像处理：通过 OpenCV 库进行实时图像预处理，支持多线程并行计算，提高了...
【GD32F427开发板试用】使用TinyMaix进行手写数字识别
weixin_47569031的博客
02-13 740
本篇文章来自极术社区与兆易创新组织的GD32F427开发板评测活动，更多开发板试用活动请关注极术社区网站。作者：**[xusiwei1236]
【瑞萨RA6系列】使用TinyMaix识别手写数字
码工杂记
06-28 684
本文将介绍如何将轻量级边缘AI推理框架——TinyMaix移植到RA6E1系列MCU上，并使用TinyMaix进行手写数字识别。
【MM32F5270开发板试用】单片机也能玩神经网络-TinyMaix实测开源
weixin_47569031的博客
10-21 2076
本篇文章来自极术社区与灵动组织的MM32F5270开发板评测活动，更多开发板试用活动请关注极术社区网站。作者：甴尐
STM32U575测评 使用这块开发板测试HC-SR04模块的串口通信功能，并尝试移植TinyMaix实现在单片机上的实时手写数字的识别。
misakamywife的博客
08-31 725
程序里面将mnist_pic作为tm_mat_t in_uint8 的数据部分，之后使用tm_preprocess把图片数据的uint转换成int，转化成tm_mat_t in 加载模型后直接将in 作为输入，进行计算，因此改变mnist_pic的原始数据就能改变进行计算的图片的内容。先写个流水灯程序测试测试。先用这个开发板来测试HC-SR04的串口通信，因为我之前在网上找相关的教程，都是关于如何使用GPIO测量高电平时间来测算距离的，看到这个模块上有UART，I2C，和One-Wire，就想找时间试试。
【先楫HPM6750系列】移植轻量级AI推理框架——TinyMaix
码工杂记
11-06 1396
本文介绍了如何将移植轻量级AI推理框架——TinyMaix移植到国产最强RISC-V单片机HPM6750上，并就TinyMaix的几个场景进行了基准测试。
[STM32U5]【NUCLEO-U575ZI-Q测评】使用轻量级AI推理框架TinyMaix实现手写数字识别
ic2121的博客
04-11 754
TinyMaix 是面向单片机的超轻量级的神经网络推理库，即 TinyML 推理库，可以让你在任意单片机上运行轻量级深度学习模型。因此，如果直接将这些文件添加到项目中，会导致编译错误。此文章已获得原创/原创奖标签，著作权归21ic所有，任何人未经允许禁止转载。还提供了单独的层函数，用于实现单层计算功能，可以通过这些函数，用。，保存一张测试图片，数组每个元素对应一个像素的灰度值。完成以上修改之后，使用类似前面的方法，将。完成以上修改后，编译、烧录、运行，将会在。
关于高云FPGA嵌入式竞赛tinymaix架构移植
powerhsy的博客
08-01 257
关于高云FPGA嵌入式竞赛tinymaix架构移植
瑞萨RA4T1使用PWM控制步进电机
04-16
瑞萨RA4M2驱动程序，Keil开发环境，FSP库驱动。 项目代码可直接编译运行~
瑞萨RA4T1使用PWM控制有刷直流电机
04-22
瑞萨RA4M2驱动程序，Keil开发环境，FSP库驱动。 项目代码可直接编译运行~
瑞萨RA4T1使用编码器测量步进电机速度
04-22
瑞萨RA4M2驱动程序，Keil开发环境，FSP库驱动。 项目代码可直接编译运行~
瑞萨RA系列MCU开发经验总结.pdf
06-10
瑞萨RA系列MCU开发经验总结
瑞萨RA4T1使用编码器测量有刷直流电机速度
04-29
瑞萨RA4M2驱动程序，Keil开发环境，FSP库驱动。 项目代码可直接编译运行~
ChatGPT4.0知识问答、DALL-E生成AI图片、Code Copilot辅助编程，打开新世界的大门.txt
04-30
ChatGPT4.0知识问答、DALL-E生成AI图片、Code Copilot辅助编程，打开新世界的大门
基于matlab实现DOA 估计和自适应波束形成.rar
最新发布
04-30
基于matlab实现DOA 估计和自适应波束形成.rar
基于C++的线程安全容器。.zip
04-30
基于C++的线程安全容器。.zip
瑞萨ra6m5开发板介绍
03-29
瑞萨RA6M5开发板是一款基于瑞萨RA6M系列微控制器的开发板。RA6M系列是瑞萨电子推出的一款高性能、低功耗的ARM Cortex-M4内核微控制器系列。该开发板具有以下特点和功能： 1. 处理器性能：RA6M5开发板采用了ARM ...

“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

打赏作者

码工许师傅

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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