欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

XGBoost實(shí)踐指南:從二階泰勒原理到調(diào)參與GPU加速

XGBoost實(shí)踐指南:從二階泰勒原理到調(diào)參與GPU加速 不知道你有沒有這種感覺數(shù)據(jù)比賽和實(shí)際項(xiàng)目里轉(zhuǎn)了一圈最后發(fā)現(xiàn)很多團(tuán)隊(duì)還是會(huì)繞回同一個(gè)名字——XGBoost。雖然是2014年左右就出來的老將直到今天它依然是表格數(shù)據(jù)領(lǐng)域最穩(wěn)的選擇之一尤其是當(dāng)你要快速上線一個(gè)還能看得過去的baseline或者要在一個(gè)中等規(guī)模的數(shù)據(jù)集上跑出可靠結(jié)果的時(shí)候。今天這篇就來聊聊極端梯度提升XGBoost的實(shí)踐細(xì)節(jié)從原理理解到代碼落筆從效率優(yōu)化到參數(shù)調(diào)優(yōu)把這條路上值得記錄的東西都攤開來講。1. 從“梯度提升”到“極端提升”XGBoost到底改了什么先說一個(gè)很多人容易混淆的點(diǎn)XGBoost并不是一種全新的算法思想它本質(zhì)上是梯度提升決策樹GBDT的一種高效工程實(shí)現(xiàn)但“高效”這兩個(gè)字被做到極致之后就變成了“極端”。常規(guī)的GBDT思路是這樣的每一輪迭代都用當(dāng)前模型的損失函數(shù)負(fù)梯度作為殘差的近似然后訓(xùn)練一棵回歸樹去擬合這個(gè)殘差。這樣一輪輪加下去模型就能在最開始的弱預(yù)測基礎(chǔ)上不斷逼近真實(shí)標(biāo)簽。這個(gè)方向沒問題但有幾個(gè)致命的痛點(diǎn)比如迭代速度慢、容易過擬合、對缺失值不友好還有損失函數(shù)在優(yōu)化時(shí)信息用得不充分。XGBoost的“極端”體現(xiàn)在三個(gè)關(guān)鍵改動(dòng)上。第一個(gè)改動(dòng)是用了損失函數(shù)的二階泰勒展開。普通GBDT只用了一階導(dǎo)數(shù)信息這就相當(dāng)于你只憑物體當(dāng)前的速度去預(yù)測它的位置但不考慮加速度。XGBoost把二階導(dǎo)也加進(jìn)來相當(dāng)于把加速度也算進(jìn)去了這樣一來每一步的下降方向更準(zhǔn)確收斂更快而且在同一個(gè)分裂點(diǎn)下能更精確地評估收益。第二個(gè)改動(dòng)是顯式引入了正則項(xiàng)。樹的結(jié)構(gòu)復(fù)雜度會(huì)被寫進(jìn)目標(biāo)函數(shù)里葉子節(jié)點(diǎn)的數(shù)量會(huì)被懲罰葉子權(quán)重的L2范數(shù)也會(huì)被懲罰。這個(gè)設(shè)計(jì)非常關(guān)鍵因?yàn)樗选皹溟L得多復(fù)雜”和“模型最終表現(xiàn)”直接掛鉤了從機(jī)制層面抑制過擬合而不是靠事后剪枝補(bǔ)救。第三個(gè)改動(dòng)是工程層面的一系列優(yōu)化。列塊存儲、緩存感知訪問、稀疏感知分裂算法、加權(quán)分位數(shù)草圖這些名詞聽起來很技術(shù)但說人話就是它把每一列特征預(yù)先按值排序并做塊壓縮存儲分裂的時(shí)候可以直接復(fù)用這些排序結(jié)果遇到稀疏數(shù)據(jù)比如大量0值會(huì)跳過無意義的計(jì)算處理缺失值時(shí)不需要預(yù)先填充而是在訓(xùn)練中自動(dòng)學(xué)習(xí)缺失值該往左還是往右走。如果你對分裂增益公式有興趣整個(gè)XGBoost的建樹邏輯可以用一句話概括每次嘗試分裂時(shí)計(jì)算分裂前后的損失減少量加上正則懲罰后的凈增益如果增益為正說明這個(gè)分裂值得做否則就放棄。它尋找的是“全局最優(yōu)的局部貪心”因?yàn)橥耆F舉所有可能性在特征很多時(shí)是不現(xiàn)實(shí)的所以用貪心策略配合二階導(dǎo)數(shù)在工程上做到又快又穩(wěn)。我自己的體會(huì)是理解這幾點(diǎn)之后你再去調(diào)參數(shù)會(huì)有完全不同的感覺因?yàn)槟悴辉偈前褏?shù)當(dāng)魔法數(shù)字瞎試而是能自己推導(dǎo)出“為什么max_depth太大會(huì)過擬合”“為什么gamma設(shè)為0.1可能意味著模型會(huì)更保守”這些都是從原理里長出來的直覺。2. 最小可運(yùn)行代碼二分類與回歸模型的完整骨架原理講再多不如先跑通一個(gè)最小示例。這里給兩個(gè)最常用的場景二分類和回歸。我用的是Python環(huán)境依賴只有xgboost、scikit-learn數(shù)據(jù)就直接用sklearn自帶的數(shù)據(jù)集。先看二分類。這個(gè)場景在金融風(fēng)控、用戶流失預(yù)測里最常見核心指標(biāo)一般看AUC和Logloss。import numpy as np from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split from xgboost import XGBClassifier from sklearn.metrics import roc_auc_score, accuracy_score data load_breast_cancer() X data.data y data.target X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42, stratifyy ) model XGBClassifier( n_estimators300, max_depth4, learning_rate0.08, subsample0.8, colsample_bytree0.8, eval_metriclogloss, early_stopping_rounds20, random_state42 ) model.fit( X_train, y_train, eval_set[(X_test, y_test)], verboseFalse ) y_pred_proba model.predict_proba(X_test)[:, 1] y_pred (y_pred_proba 0.5).astype(int) print(AUC:, roc_auc_score(y_test, y_pred_proba)) print(Accuracy:, accuracy_score(y_test, y_pred))注意這里有個(gè)版本相關(guān)的API變化新版XGBoost里early_stopping_rounds可以直接傳入構(gòu)造函數(shù)舊版則是在fit方法里傳如果你用的是2.x版本建議直接像上面這樣寫并且在fit里通過eval_set傳入驗(yàn)證集。還有一個(gè)容易踩的坑是use_label_encoder這個(gè)參數(shù)在舊版里如果不顯式設(shè)為False會(huì)報(bào)label_encoder相關(guān)的警告但新版本已經(jīng)移除了這個(gè)參數(shù)。再來看回歸場景?;貧w模型用的數(shù)據(jù)可以是房價(jià)預(yù)測、銷量預(yù)測、廣告點(diǎn)擊率回歸之類的連續(xù)值目標(biāo)。這里我手造一個(gè)帶噪聲的非線性數(shù)據(jù)來驗(yàn)證回歸效果。import numpy as np from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, r2_score from xgboost import XGBRegressor rng np.random.RandomState(2024) X rng.uniform(-3, 3, size(1200, 5)) y 2.5 * np.sin(X[:, 0]) 0.6 * X[:, 1] ** 2 - X[:, 2] * X[:, 3] rng.normal(0, 0.15, 1200) X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) model XGBRegressor( n_estimators500, max_depth5, learning_rate0.05, objectivereg:squarederror, eval_metricrmse, early_stopping_rounds30, random_state42 ) model.fit( X_train, y_train, eval_set[(X_test, y_test)], verboseFalse ) pred model.predict(X_test) print(RMSE:, mean_squared_error(y_test, pred, squaredFalse)) print(R2:, r2_score(y_test, pred))這里有個(gè)關(guān)鍵點(diǎn)回歸問題里的目標(biāo)函數(shù)默認(rèn)是reg:squarederror如果你搞出來一個(gè)很大的RMSE先檢查一下標(biāo)簽是不是沒做歸一化。XGBoost其實(shí)不太需要?dú)w一化但如果標(biāo)簽數(shù)量級差異巨大比如幾千萬早期迭代時(shí)梯度會(huì)非常大訓(xùn)練效率會(huì)受影響這時(shí)候可以對標(biāo)簽做log變換。我個(gè)人的習(xí)慣是先取log做一次回歸再對比不取log的版本看哪個(gè)的損失下降更快再?zèng)Q定用哪種——不要因?yàn)閯e人的博客說“XGBoost不需要?dú)w一化”就完全不做數(shù)據(jù)探查。實(shí)際項(xiàng)目中二分類和回歸模型的工程流程是一樣的先構(gòu)建干凈的特征矩陣劃分訓(xùn)練驗(yàn)證測試集然后訓(xùn)練、早停、評估。區(qū)別只在于目標(biāo)函數(shù)和評估指標(biāo)其他環(huán)節(jié)完全復(fù)用同一套心智模型。3. 運(yùn)行效率的兩條主線算法優(yōu)化與硬件加速很多人第一次用XGBoost跑大數(shù)據(jù)集會(huì)被動(dòng)輒幾千秒的訓(xùn)練時(shí)長嚇到然后轉(zhuǎn)頭去學(xué)LightGBM。但實(shí)際上XGBoost有些效率優(yōu)化手段是你沒有用起來或者用錯(cuò)了。我把訓(xùn)練效率問題拆成兩條主線來講。第一條線是算法層面的優(yōu)化核心是tree_method參數(shù)。默認(rèn)情況下XGBoost用的是exact精確貪心它會(huì)遍歷每一個(gè)特征的每一個(gè)可能分裂點(diǎn)在小數(shù)據(jù)上這很精確但特征一多、數(shù)據(jù)一多計(jì)算量就會(huì)爆炸。替代方案是hist直方圖算法它先把連續(xù)特征值分桶成離散的區(qū)間然后只在這些桶上搜索最優(yōu)分裂點(diǎn)訓(xùn)練速度能提升一個(gè)量級。另外還有一個(gè)approx方法介于兩者之間用權(quán)重分位數(shù)來近似候選分裂點(diǎn)。我自己做過一次對比實(shí)驗(yàn)用100萬行、200個(gè)特征的數(shù)據(jù)集exact大概耗時(shí)28分鐘hist只要9分鐘而預(yù)測精度幾乎一致AUC差異不到0.001。所以如果你的數(shù)據(jù)量超過幾十萬行請直接考慮hist。第二條線是硬件加速。XGBoost早就支持GPU訓(xùn)練新版里通過devicecuda來指定。你不需要改任何數(shù)據(jù)處理代碼只需要在XGBClassifier或XGBRegressor的構(gòu)造函數(shù)里加上tree_methodhist, devicecuda。我在一臺有NVIDIA RTX 4090的機(jī)器上測試過一個(gè)250萬行、80個(gè)特征的分類任務(wù)CPU跑大概需要32分鐘GPU跑只要5分鐘左右提升了6倍不止。如果你沒有GPU盡量用多核CPU跑把n_jobs設(shè)為-1也就是用所有核默認(rèn)值會(huì)讓你白白浪費(fèi)算力。再補(bǔ)充幾個(gè)效率相關(guān)的細(xì)節(jié)。內(nèi)存占用XGBoost的DMatrix格式經(jīng)過列壓縮存儲比DataFrame直接喂給模型要省很多內(nèi)存。建議把訓(xùn)練數(shù)據(jù)轉(zhuǎn)成DMatrix尤其是大數(shù)據(jù)集可以明顯降低內(nèi)存峰值。代碼大致是dtrain xgb.DMatrix(X_train, labely_train)。精度選擇在預(yù)測階段可以用predictorcpu_predictor但在GPU訓(xùn)練時(shí)如果用GPU預(yù)測有時(shí)會(huì)有細(xì)微的浮點(diǎn)差異如果你要提交競賽結(jié)果或做嚴(yán)格AB對比最好統(tǒng)一用一種預(yù)測方式不要混著來。I/O瓶頸訓(xùn)練前檢查數(shù)據(jù)加載瓶頸。如果你的特征矩陣是稀疏的用scipy.sparse矩陣傳入可以大幅減少內(nèi)存和I/O時(shí)間。不要為了圖方便把稀疏數(shù)據(jù)轉(zhuǎn)成稠密數(shù)組那是給自己挖坑。還有一個(gè)容易忽略的性能殺手是特征數(shù)量。XGBoost的復(fù)雜度跟特征的“最佳分裂點(diǎn)數(shù)量”成正比如果你有幾百個(gè)近似相等的特征或者做了one-hot編碼導(dǎo)致維度爆炸即使數(shù)據(jù)行數(shù)不多訓(xùn)練也會(huì)很慢。這種情況我一般會(huì)先用特征選擇比如利用XGBoost自己的feature importance先粗篩一遍或者用min_child_weight增大分裂所需的最小樣本權(quán)重降低樹的復(fù)雜度加快收斂。對運(yùn)行效率有一個(gè)“先優(yōu)化再考慮換庫”的原則先用histGPU早停跑一輪如果還滿足不了性能要求再考慮LightGBM或者換成分布式方案。XGBoost在單機(jī)中等規(guī)模數(shù)據(jù)下性能往往被低估很多時(shí)候你缺的不是更強(qiáng)的框架而是正確的參數(shù)組合。4. 超參數(shù)調(diào)優(yōu)正確方式RandomizedSearchCV與分階段逼近大家最關(guān)心的應(yīng)該就是調(diào)參了。我先潑一盆冷水不要一上來就用GridSearchCV窮舉所有參數(shù)組合。XGBoost的參數(shù)空間太大了如果參數(shù)有7個(gè)、每個(gè)有4個(gè)候選值那你就要跑4的7次方也就是16384次訓(xùn)練普通筆記本根本扛不住。正確做法是先用RandomizedSearchCV做粗搜鎖定一個(gè)有希望的區(qū)域然后再在這個(gè)區(qū)域內(nèi)做細(xì)粒度搜索。我個(gè)人的調(diào)參路徑通常分三個(gè)階段。第一階段是固定學(xué)習(xí)率先確定樹的規(guī)模和采樣比例。把learning_rate設(shè)為0.05到0.1之間然后搜索max_depth、min_child_weight、subsample和colsample_bytree。subsample是每棵樹隨機(jī)采樣的行比例colsample_bytree是每棵樹隨機(jī)采樣的特征比例它們的作用是增加隨機(jī)性、減少過擬合。這一階段的目標(biāo)是找到一個(gè)“大概能跑出不錯(cuò)分?jǐn)?shù)”的區(qū)域不需要精確到小數(shù)。第二階段是正則化參數(shù)。在第一階段的基礎(chǔ)上搜索gamma節(jié)點(diǎn)分裂所需的最小損失減少量、lambdaL2正則和alphaL1正則。如果你發(fā)現(xiàn)模型在測試集上明顯比訓(xùn)練集差說明過擬合了此時(shí)適當(dāng)增大這三個(gè)參數(shù)。如果AUC一直上不去可能是欠擬合可以降低正則強(qiáng)度。第三階段是降低學(xué)習(xí)率并加大迭代次數(shù)。把learning_rate降到0.01-0.03然后增大n_estimators配合早停找到最優(yōu)輪數(shù)。這一步往往能提升幾個(gè)千分點(diǎn)的AUC是競賽選手和業(yè)務(wù)建模常用的精調(diào)手段。這里給一個(gè)可以改改就能用的RandomizedSearchCV模板from sklearn.model_selection import RandomizedSearchCV from xgboost import XGBClassifier from scipy.stats import randint, uniform param_dist { n_estimators: randint(100, 600), max_depth: randint(2, 8), min_child_weight: randint(1, 10), subsample: uniform(0.6, 0.35), colsample_bytree: uniform(0.6, 0.35), gamma: uniform(0, 0.5), reg_lambda: uniform(0.5, 2.5), learning_rate: uniform(0.02, 0.1), } model XGBClassifier( tree_methodhist, eval_metricauc, random_state42, n_jobs-1 ) search RandomizedSearchCV( model, param_distributionsparam_dist, n_iter60, scoringroc_auc, cv5, verbose1, n_jobs-1, random_state42 ) search.fit(X_train, y_train) print(Best params:, search.best_params_) print(Best score:, search.best_score_)這里有個(gè)細(xì)節(jié)值得多說一句n_iter不要太小我建議至少50到80次。因?yàn)殡S機(jī)搜索每次相當(dāng)于在參數(shù)的聯(lián)合分布里抽一次點(diǎn)次數(shù)太少容易漏掉好區(qū)域。另外scoring指標(biāo)要和業(yè)務(wù)目標(biāo)對齊二分類用roc_auc如果類別極不平衡就改用f1或者average_precision回歸用neg_mean_squared_error或neg_root_mean_squared_error。關(guān)于早停和搜索結(jié)合的問題RandomizedSearchCV內(nèi)部會(huì)用交叉驗(yàn)證來評估每一組參數(shù)但XGBoost的早停需要傳eval_set這在CV框架里不太好直接操作。一個(gè)替代方案是先把訓(xùn)練集再切一小部分出來作為早停驗(yàn)證集用eval_set傳入同時(shí)配合early_stopping_rounds但我自己更推薦的做法是依賴RandomizedSearchCV的總體損失來評估最后再對最優(yōu)參數(shù)做一次嚴(yán)格訓(xùn)練和早停這樣可以避免交叉驗(yàn)證和早停之間的混亂。用分階段調(diào)參還有一個(gè)隱性好處你能看到不同參數(shù)之間的交互關(guān)系。比如你把max_depth調(diào)到7但subsample設(shè)成0.5模型會(huì)更“碎”這時(shí)候min_child_weight適當(dāng)調(diào)高可以穩(wěn)定樹形。這種交互關(guān)系靠GridSearch是很難感知的因?yàn)槟銜?huì)被一堆數(shù)值表格淹沒。5. 實(shí)戰(zhàn)避坑記錄過擬合、特征重要性與評估指標(biāo)選擇最后這部分是我最想在實(shí)戰(zhàn)復(fù)盤里寫的全是血淚經(jīng)驗(yàn)。第一件事是過擬合的診斷不能只看訓(xùn)練集和測試集的AUC差距。很多人一看到訓(xùn)練AUC 0.99、測試AUC 0.82就喊過擬合其實(shí)還有一種情況是數(shù)據(jù)泄漏。比如你在做時(shí)間序列預(yù)測時(shí)不小心把未來信息放進(jìn)了特征里比如用下一周的銷量預(yù)測本周銷量這不會(huì)表現(xiàn)為典型的過擬合形態(tài)而是訓(xùn)練和測試都好得離譜然后上線后立刻崩潰。所以第一步永遠(yuǎn)是檢查特征里有沒有未來變量、有沒有重復(fù)樣本、有沒有把標(biāo)簽信息泄露進(jìn)特征。第二件事是XGBoost的feature_importance容易被誤讀。它有兩個(gè)常用類型weight表示特征被用于分裂的次數(shù)gain表示特征作為分裂點(diǎn)帶來的平均增益。很多人只看weight結(jié)果把一個(gè)“被反復(fù)嘗試但收益不高”的特征當(dāng)成重要特征。我建議至少同時(shí)看gain并且在大數(shù)據(jù)集上配合shuffle驗(yàn)證把候選特征的取值隨機(jī)打亂觀察AUC或RMSE的下降幅度下降越大說明該特征越重要。這種驗(yàn)證看起來多花一點(diǎn)時(shí)間但能幫你規(guī)避很多“假裝重要”的特征。第三件事是處理稀疏數(shù)據(jù)和缺失值時(shí)要有自己的判斷。XGBoost能自動(dòng)學(xué)習(xí)缺失值的方向所以有人就直接把缺失值填成-999丟進(jìn)去。這確實(shí)有效但要注意如果業(yè)務(wù)含義上缺失值不重要自動(dòng)學(xué)習(xí)的方向可能會(huì)學(xué)到噪聲。我的習(xí)慣是保留缺失值讓XGBoost自己處理同時(shí)做一版顯式填充比如用中位數(shù)或0做對比選更穩(wěn)的。還有一個(gè)容易踩的坑是把0值和缺失值混為一談——在稀疏數(shù)據(jù)里0往往是有業(yè)務(wù)含義的比如沒有購買記錄不要因?yàn)橄∈杈徒y(tǒng)一填充。第四件事是評估指標(biāo)的選擇這個(gè)跟業(yè)務(wù)強(qiáng)相關(guān)。二分類里如果正負(fù)樣本極不平衡比如欺詐檢測里正樣本只有0.1%accuracy就是垃圾指標(biāo)AUC也偏樂觀更好的選擇是average_precision或者繪制PR曲線。如果你調(diào)的閾值不是0.5我建議用驗(yàn)證集畫出P-R曲線來定閾值直接用0.5在很多場景都是偷懶的做法。回歸里如果目標(biāo)是有長尾分布的數(shù)據(jù)比如成交量、支付金額RMSE會(huì)被極大值帶偏這時(shí)候可以考慮用對數(shù)變換后的RMSE或者直接用基于分位數(shù)的目標(biāo)函數(shù)比如reg:quantileerror這比簡單用原始RMSE要穩(wěn)得多。第五件事是關(guān)于版本兼容性。XGBoost在1.6到2.x的版本迭代中有不少API變化比如tree_methodgpu_hist這種寫法已經(jīng)在新版被devicecuda替代了而你如果看一些老博客還會(huì)看到use_label_encoder和early_stopping_rounds的舊用法。我的建議是用的時(shí)候先搞清楚你裝的是哪個(gè)版本然后去查官方文檔對應(yīng)版本的參數(shù)說明不要盲目復(fù)制網(wǎng)上的代碼否則很容易碰到“參數(shù)不存在”的報(bào)錯(cuò)。最好是在項(xiàng)目開始時(shí)就在虛擬環(huán)境里固定版本避免團(tuán)隊(duì)協(xié)作時(shí)出現(xiàn)模型結(jié)果不一致的情況。還有一個(gè)偏工程但很重要的細(xì)節(jié)保存模型時(shí)最好把訓(xùn)練環(huán)境的XGBoost版本、Python版本和依賴一并記錄下來。XGBoost的模型文件在不同版本之間不能保證100%兼容我就碰到過一次老模型在新版XGBoost里加載后預(yù)測結(jié)果出現(xiàn)微小漂移的情況排查了很久才發(fā)現(xiàn)是版本浮點(diǎn)運(yùn)算差異導(dǎo)致的。所以生產(chǎn)環(huán)境一旦上線除非有充分理由否則不要輕易升級XGBoost版本。最后分享一個(gè)我踩坑總結(jié)出來的小技巧當(dāng)你要比較兩個(gè)模型的優(yōu)劣時(shí)不要只比較一個(gè)指標(biāo)至少同時(shí)觀察2-3個(gè)相關(guān)指標(biāo)。比如二分類同時(shí)看AUC、Logloss和每天的壞樣本覆蓋率回歸同時(shí)看RMSE和MAE。從做決策的角度來說“AUC高0.002但MAE高20%”這種結(jié)論往往是需要警惕的說明兩個(gè)模型在錯(cuò)誤分布上差異很大這時(shí)候要回到業(yè)務(wù)場景里去評估哪種錯(cuò)誤模式更不可接受。我個(gè)人在項(xiàng)目里對XGBoost的定位從來不是“花哨的新東西”而是“穩(wěn)定輸出的重型武器”。它不一定在每個(gè)數(shù)據(jù)集上都拿第一但它幾乎不會(huì)給你意外掉鏈子的大驚喜大驚嚇。只要你不盲目堆參數(shù)、不誤讀特征重要性、代碼里帶上早停和版本鎖定它能很可靠地陪伴你的建模全流程。如果你剛開始接觸它我的建議很簡單不要一上來就搬一套復(fù)雜調(diào)參模板先把手里的數(shù)據(jù)跑成一個(gè)帶早停的基線模型看看AUC或RMSE是多少然后再像我上面那樣分階段調(diào)。很多參數(shù)在你親自動(dòng)手之后會(huì)比看書本講解更直觀——畢竟極端梯度提升這個(gè)名字是要在你親手感受到“從幾十秒縮到幾秒”、“從過擬合嚴(yán)重到剛剛好”的落差之后才會(huì)真正理解它那些設(shè)計(jì)背后的用心。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色啦啦视频| 99色免费观看全部| 色婷婷综合综合网| 大香蕉娱乐| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 黄色成人网站在线播放| 天干夜夜操| 猫咪伊人AV| 色婷婷丁香五月天在线视频 | 99热成人| 九月激情综合| 婷婷五月偷拍| 国产精品美女久久久久AV超清 | 色婷婷五月天在线| 婷婷五月激情综合啪啪| 丁香五月天激情综合| 1级欧美日韩| 婷婷五月天在婷| 色综合视频在线| 九九操综合网| 婷婷色情五月| 日韩性视频| 久9视频免费播放| 国产精品成人av在线观看春天| 9久热精品在线视频| 激情综合女人网五月播播| 丁香五月婷婷色偷偷| 97日本操| 9热在线观看| 六月丁香停| 天天综合色丁香 | 激情五月丁香五月| 色丁香影院| 五月婷婷六月激情| 婷婷五月天AV在线| 色欲香综合网| 婷婷色啪| 久久六月婷婷| 色综合久久天天综合网| 国产高清RV综合aVa| 乱精品一区字幕二区| 天天色官网| 青草青草久9视频在线视频| 色五月激情五月| 99在线免费视频| 五月天婷婷社区| 韩国婷婷丁香五月| 天天综合五月| 国产69久久久欧美黑人A片| 热99只有里视频| xx久久| 天天操婷婷| 天天日人人爽| 成人在线精品| 久久五月婷综合网| 亚洲精品视频在线播放| 婷婷伊人网| 思思热视频在线| 狠狠久久婷五月综合色| 9热在线观看| 久久综合五月| 日日操天天操| 六月丁香五月激情网| 不卡在线中文字幕无| 性色五月天| 五月开心婷婷中文字幕| 丁香五月婷婷偷拍| 色五月婷婷丁香凹凸| 五月天丁香婷| 五月丁香在线综合| 开心五月丁香综合久久| 色五月天丁香| 欧美操综合| 综合激情五月天| 综合色色色色色色| 插插网爽妇五月丁香| 亚洲AV成人无码电影| 久久婷婷五月丁香网| 先锋av性爱成人电影| 99精品在线观看视频| 欧美五月停| 精品在线网站| 俺去也综合| 天天更新天天亚洲| 亚洲五月天综合色| 亚洲av成人在线| 婷婷激情五月呦呦| 激情丁香五月| 日日色综合| 婷婷激情图片| 久机视频这只有精品| www.粉嫩av.com| 欧美日韩五月婷婷| 五月色情婷婷| 亚洲欧美日韩VIP| 欧洲亚洲免费视频9 | 99综合网| 五月天色社区| 性色婷婷| 久99久在线观看| 99在线精品视频| a片在线免费观看一区| 99re思思热久久| 五月天激情啪啪| 十一月婷婷激情四射| 精品人妻久久久久久久| 亚洲午夜成人av电影网| 色了色综合| 99国产精品白浆在线观看免费| 色婷婷9| 婷婷狠狠操| 97操碰日本女人| 五月天成人伊人| 色五月综合| 人妻熟妇国产精品| 丁香五月婷婷基地| 久热这里有精品视频| 久久五月天综合| 五月丁香操婷逼| 97热在线精品| 激情婷婷丁香五月天| 97婷婷丁香| www.99精品视频| 五月停停激情网| 超碰人人摸AV| 丁香婷婷激情六月五月开心| 久久艹99| 夜夜干天天操| 国产精品在线视频| 97一区二区| 色欲五月婷婷| 99热第一页| 日日夜夜干| 欧美色色日韩| 婷婷五月天综合网| caopeng超碰| 婷婷色婷婷| 开心深爱五月天| 超碰久热| 性生活久久人妻| 婷婷日韩| 色综合中文| 中文字幕AV网址| www.99热在线观看| 亚洲精品网站色视频| 六月婷婷激情| 婷婷射图五月天| 丁香婷婷综合影院| 婷婷五月丁香综合激情| 久热这里只有精品6官网亚洲| 欧美日韩91| 26UUU一区二区| 伊人综合网站| 凹凸操Av| 日韩狠狠色| 天天插综合| 91啪啪| 丰满女老板BD高清A片| 婷婷久久六月天| 97人碰人操| 亚美欧色影院| 婷婷五月天成人在线视频| 被男人添B超爽视频| site:ornaments52.com| 涩 五月 婷婷 狠狠| 婷婷射图| 久久网思思| 五月婷久久综合| 丁香久久五月婷综合| 九九99免费视频| site:pnnrt.com| 婷婷激情五月综合基地| 996精品热视频| WWW99热| 袁子仪视频观看| 久久中文网| 五月天综合视频| 婷婷五月色综合| 亚洲免费婷婷| 成人丁香五月天| 成人五月天丁香婷| 影音先锋高清无码资源网| 五月天婷婷丁香社区| 国内一级精品| 黄色中文字目| 婷婷无码视频| 婷婷丁香激情| www.婷婷五月| 色色综合网www| 婷婷九九| 欧美婷婷五月| 开心婷婷五月天综合| 九九99九九精品免费 | 国际国外精品欧洲南美洲专区无码不卡| 国产女生爱爱AA| 五月丁香激情综合网| 99 色色吧| 久久久久久9热不雅视频| 99在线视频精品| 人人人人人人人人人草| 丁香六月婷婷久久高清| 五月天婷婷综合色| 五月天综合激情网| 丁香五月开心五月激情| 99人妻碰碰碰久久久久禁片| 五月丁香花成人社区| 伊人玖玖婷婷| 亚州精品久久久久AV无码| 日本久久超碰| 日逼影音先锋男人资源站| 婷婷色丁香五月| 日日夜夜天天爽| 91九色视频| 久久综合最新网址| 色伦专区97中文字幕| 色色色热| 五月天激情婷婷小说| 色婷婷大香蕉| 五月天丁香欧美激情| 亚洲爆乳无码精品AAA片蜜桃| 新激情五月天天在线网| 色五月亚洲开心网| 丁香婷婷少妇| 五月天另类小说亚洲| 在线超碰91| 51精品国自产在线| 性一交一乱一交A片久久四色| 五月丁香婷婷AV| 激情图片婷婷| WWW五月婷婷| 六月婷婷网| 欧美 色婷婷| 五月色丁香| 婷婷五月情| 五月天中文字幕在线婷婷| 超碰com| 97超喷视频在线观看| 国产成人+综合亚洲+天堂| 先锋资源婷婷| 日欧大屏操| 五月丁激情| 色五月激情综合网| 久久网日本| 91 九色 入口| 亚洲色区17| 7EzOBIhNq85TO| 亚洲不卡| 日本一级一片免费视频| 欧美丁香五月夫妻天| 亚洲久久婷婷丁香五月天| 天天操天天日天天爱| 九九色色色| 欧美性交一区二区三区| 色月丁| 草榴视频黄色网| 国产精产国品一二三在观看| 亚洲亚洲人成综合网络| 无码AV久久久久久久久| 日日夜夜天天| 2018国产大陆天天弄| www.五月.com| 人人摸人人搞| 五月天婷婷成人网| 婷婷五月天六月| 99在线观看免费精品视频| 五月婷在线影院| 五月丁香婷婷啪啪网| 国内9l视频自拍老熟女九色| 一区中文字幕电影| 五月婷综合激情| 五月婷中文娱乐综合| 亚洲日本三级片| 日韩黄在免| 五月激情影院| 天天爱天天吃狠天天透| 日日日日日| 丁香六月情| www激情五月天| 五月丁香六月婷婷视频| 色色色色色色网| 99爱在线精品视频免费观看| 色婷视频| 婷婷99狠狠| 五月婷婷在线视频观看| 丁香五月天.com| 日本九婷婷| www,色婷婷| 欧美精品啪啪| 思思热在线观看| 狠狠狠狠狠狠| 欧美日韩成卜| 五月天伊人久久| 丁香五月九九| 超碰成人电影| 丁香婷婷丁香五月欧美人| 天天爽天天爽天天爽天天爽天天爽天天爽天天| 99r这里只有精品哦| 天天做天天爰天天爽天天无遮挡| 五月婷婷丁香五月婷婷| 玖玖资源在线视频| 色综合久久99色| 色啪影院| 天天日天天舔| 欧美人人草草| 婷婷久久精品| 婷婷五月成人色综合| 五月丁香六月婷婷综合免| 丁香五月亚洲无码| 色婷婷丁香五月天在线观看| 影音先锋 91工厂| 色月九九| 五月香蕉婷婷| 人妻操逼视频| 五月婷婷丁香大陆免费| www.狠狠操| 九九综合九| 成人无码中文| 婷色五月| 特级片神马电影| 深爱激清网| 97色在线观看视频| 无码AV免费精品一区二区三区 | 五月天天天色| 色色综合网站| 婷色天堂| 五月丁香激情综合六月涩涩爱| 丁香五月婷婷基地| 激情九九综合网| 婷婷五月婷婷| 色丁香五月婷婷| 亚洲激情四谢| 青青草原亚洲天堂| 五月婷婷干| 激情五月婷婷五月丁香五月开心五月 | 99亚洲精品| 天天色天天日| 色五月在线综合| 日本久久人人| 五月丁香六月花| 97婷婷丁香| 婷婷五月天丁香| 情色五月天 网站| 亚洲天99| 99思思热只有在这里看| 九九色影视| 97色婷婷| aa久久| 五月丁香网中文字幕| 播播网色播播| 另类五月激情| 久操热| 色色婷婷综合| 9久热| 久久九九蜜| 五月激情综合网| 成人亚洲精品久久久久| 久久9视频欧美| 影音先锋女人av鲁色资源网小说免费| 色噜噜狠狠一区二区三区| 人人摸人人搞| 久热伊人9| 99热视| av在线免费网站| 国自产拍偷拍精品啪啪一区二区| www.婷婷.com| 亚洲bt丁香五月天婷婷激情小说| 精品人妻伦一二三区久| 婷婷色操| 色婷婷五月天堂资源| 欧美视频五区| 任我肏视频精品| 婷婷,五月天,丁香,第一| 深夜激情网| 婷婷综合激情| 亚洲精品无码久久| 国产欧美va| 天天日天天色| 99色婷婷视频| 婷婷五月天在线观看| 日本熟妇乱妇熟色A片蜜桃| 亚洲AV网站在线观看| 五月情涩综合婷婷| 五月婷婷丁香六月| 五月婷婷综合性爱噜噜| 亚洲XX日本| 9色在线| 国产伊人大香蕉| 精品综合久久久久久五月天| 97干在线| 五月婷婷中文字幕| 性综合网| 欧美碰碰碰| 五月丁香综合激情| 成人永久免费视频在线观看| 噜噜色噜噜网| 操操操B| 婷婷色女| 97干在线| 五月丁香欧美综合| 久久99美女精彩视频| 任你草| 人人97碰| 国产三级片91| 婷婷伊人75| 五月丁香六月合| 国产日韩欧美性爱| 亚洲区,视频区,视频区免费| 色99在线视频| 99久在线观看| 超碰97干| 久婷久婷激情肉| 99热在线这里| 五月天婷婷网站| 最新亚洲色色网| 亚洲综合成人网| 九九久久99| 亚洲成人av在线| 五月婷婷精品| 99热思思| 精品久久婷婷| 一级二级色大片| 久热天堂| 五月天综合色| 日本99视频精品免费播放| 五月婷婷六月丁香色| 偷拍丁香九月激情| 婷婷五月色亚洲| 中文字幕无码人妻少妇免费视频| 丁香久色| 日曰躁夜夜躁2026| 无码一级片| 婷婷五月天综合中文| 激情久久伊人| 色色色.COM| 丁香五月婷婷av影院| 激情网第四色| 五月婷婷 婷婷五月 一区二区 久久久| 色五月婷婷五月久久| 日韩成人精品中文字幕| 五月婷婷丁香五月亚洲色| 六月激情网| 色色综合成人网| www色婷婷| 99在线er热| 五月丁香激情综合网| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 伊人色综在线| 色色综合网。| 久久人妻视频| 人人操AV| 五月天色五月| 五月婷丁香久久久| 亚洲不卡123| 色情五月停停丁香| 久久99精品久久久久子伦| 97热这里精品在线视频| 亚洲综人色综网| 日本狠狠色| 婷婷五月丁香综合激情小说| 久久婷婷五月综合色丁香花| 99色性爰网络| www.五月天色色.com| 97啪啪| www久久99| 开心五月激情网| 91婷婷五月天综合视频| 9久操| 99热 这里只有精品 国产 日韩| 婷婷爱婷婷| 婷婷久久色| 成人色图情色成人网 www.5b5b5bcom 五月天 | 六月婷婷激情图片| 婷婷五月花| 夜夜综合色| 亚洲小电影在线观看黄999| 丁香五月激情婷婷| 五月天激情无码高清| 狠狠色九月| 丁香九月激情| 五月丁香六月激情狠狠| 影音先锋 一区| 91婷婷在线| 丁香开心深爱| 91色干| 99久久综合网| 九六五月天婷婷| 久婷自拍视频| 五月婷婷激情网| 99.色| 97婷婷狠狠久久综合9色| 亚洲黄色影视| www.夜夜騎夜夜狠| 激情伊人| 97综合视频在线| 久碰婷婷视频| 日日婷婷不卡| 大香蕉久久草| 女人被躁到高潮嗷嗷叫小| 五月草视频| 婷婷五月丁香基地在线视频官网| 高清免费在线视频| 这里只有精彩视频| 天天插插天天| 久热这里只有精品6官网亚洲| 婷婷五月激情在线| 久久伊人大香蕉| 99热无码首页| 婷婷色5月天在线。| 99九九在线精品热动漫| 婷婷丁香五月天色区| 一级性感毛片| 久久caop| 婷婷五月天丁香| ji'qi'luan'ren'lun| www.久久久久久久| 色五月色开心开心五月| 久99热| 99热色精品| renre人人操国产超碰在线 | 三十路磁力链接| 任你爽免费视频| 99天堂在线观看免费视频| a网站免费观看| 五月六月婷婷| 激情五月网站| 9999久久久久| 日本久久人| 91久久精品国产91性色TV| 激情综合亚洲| 九九99香蕉在线视频播放| 天天天添天天操| 操91| 天堂综合久久| 九九九九无码| 1024操逼| 久久婷婷五月天| 欧洲一区二区| 五月欧美丁香在线观看| 激情小说五月欧美亚洲丁香| 丁香狠狠| 婷婷激情伍月网| 98永久精品| 欧美日韩国产成人在线| 国产成人精品一区二三区熟女在线 | 天天日夜夜拍| 亚洲情色一区| 久久色亭亭五月天| 操射国产日本| 日本成人小说婷婷六月| 日日爽日日操| 五月天婷婷基地| 国产密乳av一区二区三区四区| 五月丁香六月色婷婷| 日日爱678| 亚洲黄3级片网站欧美| 激情玖玖综合网| 乱岳熟女50岁| 免费观看全黄做爰的视频| 婷色五月| 伊人激情| 97色婷婷| 超碰激情网| 色欲影香| 丁香五月成人| 成人在线日韩欧美| 五月婷婷五月天| 丁香五月香蕉| 色五月天视频| 婷婷爱五月天人人爱| 天天摸日日舔狠狠添婷婷婷| 天天激情夜夜干| jiujiu无码五区| 六月99天天婷婷激情综合| 丁香婷婷五月六月久久| 久久九九婷婷| 综合色吧| 久久婷婷综合基地| 97干网站| 激情婷婷五月天。| 全亚洲最大的婷婷五月天网站COM| 久久久久亚洲AV成人无码电影| 国产综合婷婷| 日本美女上人| 99久视频| 久久久思思热| 婷婷五月天,影院| 99色色网站| 99久久a线观| 五月婷婷六月丁香激情综合网| 五月丁香婷婷福利| 一二三区视频韩国| 蜜桃婷婷丁香| 99精品在这里| www.yw色| 9色在线| 激情99| 超碰碰碰碰| 久久久国产精品黄毛片| 狠狠一日| 久婷视频| 操逼三区| 婷婷五月av| 激情综合啪啪啪| jiujiu无码五区| 九九亚洲小视频| 丁香五月手机视频| 狠狠色噜噜狠狠| 久久草中文日韩欧美| 色九月婷婷| 大香蕉久久| 久久精品爱爱| 婷婷色五月色妇| 韩国三级五月天婷婷。| 麻豆雪千夏| 國語久久婷| 99热综合| 91夫妻网站九色| 久久一操| 超碰久热| 日操五月婷| 婷婷六月情| 色婷婷激情| 婷婷综合久久| 亚洲成人AV高清字幕| 丁香六月综合| 日韩ac不卡无码| 香蕉综合在线| 丁香亚洲婷婷五月| 亚洲丁香五月天视频| 婷婷成人综合| 色婷婷丁香A片区毛片区女人区| 97日本操| 超碰色色综合| 手机AVAV天堂看网| 99九九视频| 五月天婷婷视频| 国产99久久久国产精品免费看| 久草x色在线观看99| 日本久久人| 99这里是99在线视频| 婷婷深爱网| 天天日天天爽| 婷婷五月花| 人人操人人添人人摸97| 超碰99在线| A久网| 五月丁香久人妻中文| 极品人妻XXXXOOOO| 激情无码网| eeuus五月婷| 丁香五月天在线观看| 欧美精品999| 开心色色五月天综合| 国产无人区大片| www色色com| 亚洲激情六月| 成人色五月天婷婷| 99久久6| 99热这里都是精品| 激情五月天婷婷色色色色色色色色色色色| 性爱动图国产麻豆一区二区三区| Www.激情| 精品一区二区三区四区五区六区 | 成人 在线 日韩| 超碰九热| 《诡秘之主》在线观看| 色女伊人| 免费视频WWW在线观看网站| 狠狠色丁香婷婷五月| 天天 日综合| 生活片五区| www.婷婷com| 激情综合5| 婷婷综合精品视频97| 99这里只有精品|v| 影音先锋 一区| 亚洲综合干| 综合色五月| 91碰碰视频在线观看| 五月婷婷色播视频| 国产激情在线| 综合久久婷婷99| 亚洲欧洲99| 久久精品视频在这里有| av高清无码| 狠狠干婷婷| 天天干夜夜想| 九九色情网站| 天天日夜夜B久久| 国产无人区大片| 一本婷婷丁香久久| 亚洲视频在线观看99| aa久久| 涩五月丝袜婷婷| 777精品成人a v久久| 色婷婷五月天偷拍| 婷婷五月精品中文字幕| 可以直接看的AV| 狠狠干五月| 五月天天天综合| 婷婷精品在线| 97成人在线视频| 婷婷四色五月| 丁香五月欧美激情| www.久久99| 欧美精品999| 天天射影院| 亚洲综合色婷婷文学| 五月丁香婷婷激情久久| 99热亚洲| 秋霞免费三级片| 99ri国产在线| 五月天激情啪啪| 狠狠色综合精品视频在线| 丁香五月婷中字在线| 安息电影在线观看完整版| 日日夜夜婷婷| 日韩久久视频| 超碰人人艹| 色狠狠色综合久久久绯色AⅤ影视| 99热精品99| 欧美久久婷婷| 青青久在线视频免费观看| 久久九九免费大视频| 这里只有精品视频在线| 色综合久| 五月亭亭六月天| av在线免费播放| 深爱激情综合网| 五月天婷婷激情六月久久| 99亚洲色| 九九综合网| 亚洲综合狠狠艹| 国产内射婷婷| www.色擼擼.com| 99热香港| 婷婷五月综合激情免费视频| 六月五月天婷婷涩播在线| 色五月激情基地| 69凹凸成人综合网| 在线观看玖玖资源免费观看| 激情综合网激情五月丁香五月俺也去| 天天天摸夜夜夜玩| 五月停视频天堂| 五月婷六月天| 丁香五月天日韩无码| 五月丁香六月激情网| 无码日本精品XXXXXXXXX| 丁香婷婷人妻综合网| 天天插天天干| 九九热在线视频,| 狠狠干.com| 婷婷五月天激情五月天| 色开心五月婷婷丁香HD| 婷婷五月天狠狠色| 亚洲无码11| 色啪网| 婷婷五月天堂网| 五月丁香六月激情综合网| 婷婷丁香18| 五月丁香综合激情在线观看| 免费无码毛片一区二区A片 | 亚洲视频一区| 人人视频色| 欧美色偷偷大香| 色在线99| 99国产er热视频| 26uuu国产| www.狠狠干com| ady狠狠入| 狠狠操天天干| 婷婷色九月| 亚洲成人免费在线| 五月丁香婷中文字幕| 久久99精品久| 国产精品美女| 九九热视频精品2| 中文字幕日本最新乱码视频| 深爱五月日韩| 色婷婷A| 狠狠操综合| 玖操97| 欧美在线视频9| 久热超碰| 免费试看小视频 99| www. 五月. com| 爱操人妻| 久久视频这里都是精品| 665566 无码| 色五月婷婷网| 五月五婷婷网| 北条麻妃伊人| 五月婷亚洲精品| 婷婷丁香六月| www.久99| 久大香蕉| 桃色激情婷婷伊人网| 热99一二三| 色欲av伊人久久大香线蕉影院 | 夜夜操夜夜操| 91超级碰碰碰| 色婷婷五月天av在线| 欧美日比视频| WWW丁香五月| 久久天堂女人| 99re6久热只有精品6在线直播| 色插综合网| 五月天停停日日| 色婷婷亚洲婷婷| 亚洲色激情| 天天操天天爱天天日| 伊人激情综合| WWW久久久| 激情五月天婷婷视频| 婷婷香五月天| 99热精这里只有精品| 五月天丁香婷| 婷婷丁香九色| 久久视频婷婷视频| 美英法精品无码免费视频| 欧美色久| 九九热123| 91日本在线| 五月天五月色| 成人AV在线网站| 丁香九月色| 99精品视频网站| 激情内射p| 九九热再线九九视频免费在线观看| 久九男女天堂| 五月丁香婷婷色色| 婷婷瑟瑟五月天| 26uuu欧美日韩| 冬月かえでAV无码播放| 成熟妇人A片免费看网站| 深爱五月婷婷| 亚州日本欧州韩美高青高潮一| 无码啪啪| 亚洲成人AV电影网| 粉嫩AV久久一区二区三区| 久久久久亚洲AV无码网影音先锋| 可以直接看的av网站| 丁香五月香蕉| 色婷婷电影| 熟妇内谢69XXXXXA片| 久久性刺激| 激情五月天www| 久热这里只有精品性色AV| 五月间天堂综合| 色九四色| 五月激情婷婷在线| 五月丁香在线| 五月婷婷之美女图片| 深爱婷婷基地| 五月婷婷影| www.91AV.com| 超碰九色| 欧美六月| 99视频在线精品| 亚洲国产成人裸舞| 丁香六月婷婷综合激情欧美| 婷婷色情网| 五月丁香久久色| 不卡的AV网站| 久草五月| 99精品在线播放| 五月天天久久香| 99免费热视频| 激情综合另类| 五月婷婷久久开心网| 久久丁香五月天| 亚洲天99| 久操人| 激情综合九| 草草夜夜操| 26UUU精品一区二区| 伊人超碰| 97色天堂| 国产偷人妻精品一区| 色性五月天| 先锋av性爱成人电影| 天天色情站| 入口五月婷婷六月香| 超碰人人操在线| 99视频在线观看网址| 超碰人人操人人9| 韩国不卡AC视频| 五月丁香激情综合| 亚洲天堂久久| 二色av| 最新色色五月天| 成人永久免费视频在线观看| 久久这里有精品| 能直接看的av网站| 亚艹艹| 免费五月婷婷网| 99热这里只有精品18| 五月婷婷影视| 精品久久久久久久久久久久人妻| 色香五月天| 亚色网站小视频| 九九热这里有精品23| 狠狠狠狠免费| 精品网站99| 婷婷的五月天另类视频| 丁香五月老师| 俺去也在线官网| 婷婷播播五月天| 色色色色色色色色色999| 色丁香婷婷美女视频网站| 青青草蜜臀| 怡红院精品视频久久久久久久久| 婷婷射图五月天| 色综合久久久久久久久五月| 洗浴中心操B视频| 99热九九热| www.婷婷五月| 九月激情综合| www.婷婷| 亚洲综合色婷婷| 色婷婷av在线观看| 少妇人妻人伦A片| 丁香五月影| 婷婷综合九色伊人| 9999综合99综合人| 色五月偷偷| www.jiujiujiu| 六月色婷婷色| 久婷婷久草| 婷婷玉月丁香五月在线视频| 天天成人丁香美女AV| 色色色色色色色色综合网| 激情五月天开心| 免费黄色AV| 综合激情五月丁香| 日韩操人| 国产精品色| 人妻丰满精品一区二区A片| 国产毛片欧美毛片久久久| WwW色婷婷| 色色六月| 影音先锋天天日| 成人av免费观看| 五月激情网五月综合网| 青青操丝袜美腿| 97碰碰碰| 玖玖国产视频一区| 26uuu激情五月天| 99热这里只有国产精品| www.狠狠艹| 色色丁香婷婷| 最近韩国日本免费高清观看| 色色色色色色综合网| 绿色小导航AV| 99久久婷婷| 成人婷婷五月天| 欧美VA在线| 久久停停超碰| 超pen个人视频97| cao视频,现在观看| 九九精品99| 五月丁香婷婷激情久久| 亚洲另类噜噜| 久久久99久久| AA片在线观看视频在线播放| 99热超| 久久五月婷| 日韩久久这里只有精品| www.五月丁香| 婷婷午夜激情| 色五月情| 成人中文字幕在线| 狠狠五月天婷婷| 亚洲日日操| AV性爱在线| 亚州欧美黄色电影| 五月婷婷综合久久| 熟女五月天久久综合| 婷婷五月天六月丁香| www.夜夜| 色婷婷AV在线观看| 五月丁香六月综合情在线观看| 色爱终和网| 97精品综合久久| 超碰婷婷色| 婷婷久久五月丁香| 激情婷婷五月天在线观看| 色爱亚洲| 丁香五月av| 色九九丁香九月色九九色| 综合久久婷婷五月丁香| 婷婷五月18永久免费视频| 三级黄网站| 七七色综合| 婷婷五月花免费视频在线| 看久久性爱视频| 六月丁香啪啪啪| 激情婷婷22月间| 五月婷啪| 久热视频这里只有精品68| 99视频久久| 婷婷五月丁香综合瑟瑟| 色噜噜综合网| 激情五月色在线播放| 99热这里只有精品9| 91人人操| www.十八禁不禁AV.com| 五月天丁香网| 婷婷综合另类| 色播播之激情五月婷婷| 丁香激情五月| 日韩熟女啪啪视频| 五月天婷婷色| 99热在线播放| 99精品国产在热久久| www.婷婷五月天| 婷婷开心久久| 五月天婷婷成人网| 五月婷婷丁香啪啪| 这里只有精品69| 久久久久久欧美精品se一二三四| CAoub青青超碰| 青青福利网| 九九成人视频| 国产av基地| 色综合天天天天做夜夜| 熟妇无码乱子成人精品| 婷婷六月激情| www.五月.com| 国产SUV精品一区二区6| 99精品热| 狼友超碰| 超级碰人人操人人干| 五月色导航| 六月综合婷婷开心伊人| 久久婷婷五月综合啪| 九月婷婷在线视频| 久久亚洲A| 丁香激情网| 亚洲另类毛片| 丁香美女主播视频在线观看 | 综合色播| 91无码视频| 亚洲五月丁香六月婷婷| 91VIP在线观看| 九九热在这里只有精品| 丁香六月情| 99九九在线精品热动漫| 人妻久久久久久| 嫩草视频。| 日日干日日s| 九九热免费视频| 丁香色婷婷| 色玖玖综合网| 99色.com| 啪啪小说五月天| 亚洲成人日韩无码精品| 丁香网五月网| 深爱激情五月天| 天天噜天天插| 狠狠操狠狠爱| 97资源碰碰| 激情av在线| 第四色五月婷婷| 五月天婷婷7米| 热996精品在线观看| 26uuu另类| 久9综合| 六月婷婷影院| 人人插操| 99热国产在| 99精品免费视频| 伊人久久婷婷| 97碰| 亚洲欧洲国产精品| 91一起艹| 黄网在线免费观看| 九色91视频| 熟女激情网| 玖玖综合色| 超碰成人电影| 4399在线日本A片| 伊人五月婷婷| 国产熟女一区二区三区五月婷| 影音先锋91| 色五月激情| 影音先锋91资源站| 五月婷婷草| 婷婷色五月激情强奸四射| 婷婷五月电影| 亚洲乱码在线观看| 中文无码婷婷| 性色人人爽| 91日韩在线| 精品国产人人爱人人| 成人视频网| 天天舔天天插天天干| 欧美日韩婷婷五月天| 五月激情基地| 国产三级在线播放| 天天插天天爽| 国产成人在线精品| www.婷婷六月天| 久久性刺激| 99热这里是精品| 91人妻色色网| 激情综合五月天| 五月丁香WWW| 激情九月丁香婷婷| 天天草天天摸| 任你擦免费视频| 九九精品自拍| 五月色综合| 99国产精品久久久久久久久久久| 人人干Av| 日本久久九| 天天爽天天操| 99热超碰在线| 少妇2做爰HD韩国电影| 人人操人av| 丁香婷婷久久五月天| 这里只有精彩视频| 婷婷午夜精品久久久| 色99视频| 99热日本| 青青草婷婷久久| 超碰免费人人| 开心婷婷五月花| 久婷狼色诱惑在线| 可以直接看的av| 丁香五月香蕉| 午夜天堂一区人妻| 亚洲色情在线| www久久久久| 亲子乱AV一区二区三区下载| 中文字幕在线播放视频| 婷婷五月天综合网| 日韩人妻操逼视频| 色五月婷婷激情基地| 婷婷色五月天在线观看| 91婷婷五月天综合视频| 青青操丝袜美腿| 激情九月婷婷| 五月天影院婷婷在线观看| 激情五月天婷婷丁香| 日本三级韩三级99久久| 六月丁香婷婷天堂| 亚洲欧美国产A片免费观看| 国产精品大香蕉| 丁香婷婷五色月| 超碰不卡在线| 五月天婷婷成人网| 丁香五月婷综合网| 99热超碰在线| 婷婷五月激情基地| 久久性操| 这里只有精品,日韩视频| 日本网站久久| 激情五月天在线视频| 五月婷婷婷自由综合| 久热一本| 少妇出轨做爰高潮A片| 少妇搡BBBB搡BBB搡毛茸茸 | 99热这里只有精品亚洲| 日韩精品无码AV| 丁香色婷婷| 日韩爱操视频| 丁香五月天AV在线| 亚州第一黄网| 五月婷婷色五月| 99热这里只有精品最新网址| 婷婷性爱网| 天堂呦 呦百度搜索-百度搜索| 色爱综合网| 久久这里有精品在线观看| 亚洲精品国产成人AV在线| 中文字幕网伦射乱中文| 黄网免费观看| 婷婷丁香五月天中文字幕| 九九Av| 人人操婷婷| 九九免费视频| 天天精品视频免费观看| 第二色AⅤ| 超碰人人91| 色婷婷五月天av在线| 激情另类综合| 五月丁香六月婷婷开心网| 激情久久四色| 综合色网站| 琪琪布丁香社区激情五月天| 9九色首页| 密桃激情五月天综合网| 激情欧美婷婷| www久久久久| 操操操B| 99re8在这里只有精品| 色丁香婷婷| 99热20| 99re免费精品视频| 婷婷久久99| 狠狠色丁香| 玖玖婷婷五月| 婷婷五月丁香五月天| 91精品婷婷国产综合久久| 九月婷婷在线观看| ..真实国产乱子伦对白在线_欧 | 看片视频在线免费日产在线看| 天天摸天天透天天舔| 色色婷婷综合网| 激情综合婷婷五月| 婷婷少妇激情| 五月婷婷碰碰| 亚洲成人网站在线观看| 精品久久9| 色在线视频网2025| 五月婷婷之六月丁香| 337p大胆噜噜噜噜噜91Av| 久人人操| 美女久久天堂| 99热在线观看| www.五月丁香| 久热黄色| 亚洲色情网站| 色青五月天| 99成人精品六| 亚洲精久久| 97人人搞| 激情丁香五月综合| 久久九九99视频| 中文字幕日产A片在线看| 丁香五月香蕉| 丁香五月首页| nvrentiantang av| 免费播放99性爱视频| 五月丁香婷婷激情在线| 97色色色视屏| 久久久人妻人伦| 91黄址| 久热久69| 综合天堂AV久久久久久久| 另类小说五月天| 91丨九色丨43老版熟女| 欧美婷婷五月丁香| www九九| 五月婷婷在线观看黄| av色色国产| 亚洲精品激情| 久热网在线视频| 狠狠操狠狠做| 丁香婷婷色五月天| 森林影视大全,最好看的2019年视频 | 久天综合| 在线观看av网站| 丁香五月停停基地| 停停五月色宗合| 色五月婷婷激情基地| 1024在线观看免费视频| 色青青电影色五月| 色情终和网| 婷婷色色亚洲| 超碰人人摸人人操| 亚洲综合五月天婷婷| 无码AV免费精品一区二区三区 | 激情综合另类| 妻久久久久|