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(yíng)的一線實(shí)戰(zhàn)洞察。

ACGAN PyTorch實(shí)戰(zhàn):從DCGAN到條件生成,實(shí)現(xiàn)可控圖像生成與數(shù)據(jù)增強(qiáng)

ACGAN PyTorch實(shí)戰(zhàn):從DCGAN到條件生成,實(shí)現(xiàn)可控圖像生成與數(shù)據(jù)增強(qiáng) 簡(jiǎn)介這份資源是面向深度學(xué)習(xí)與生成模型學(xué)習(xí)者的 ACGAN PyTorch 實(shí)現(xiàn)代碼包適合已掌握 GAN 基礎(chǔ)、希望進(jìn)一步理解條件生成與類別可控圖像生成的開(kāi)發(fā)者。ACGAN 在傳統(tǒng)生成對(duì)抗網(wǎng)絡(luò)基礎(chǔ)上引入輔助分類器使生成器能依據(jù)隨機(jī)噪聲與 one-hot 類別標(biāo)簽合成指定類別的樣本常用于圖像生成、數(shù)據(jù)增強(qiáng)與半監(jiān)督學(xué)習(xí)等場(chǎng)景。資源包共 4 個(gè)文件包含 3 個(gè) py 腳本與 1 個(gè) md 說(shuō)明文檔分別對(duì)應(yīng)模型定義、訓(xùn)練主流程與判別邏輯整體約 3KB結(jié)構(gòu)精簡(jiǎn)便于快速閱讀與二次修改。目前已有 823 人學(xué)習(xí)下載。通過(guò)該實(shí)現(xiàn)讀者可掌握生成器、判別器與輔助分類器的網(wǎng)絡(luò)搭建方式理解對(duì)抗損失與類別條件損失的組合設(shè)計(jì)并參考交替訓(xùn)練策略完成模型調(diào)試與生成效果監(jiān)控。1. ACGAN PyTorch 實(shí)現(xiàn)從「生成得像」到「生成得準(zhǔn)」的那一步用 MNIST 跑通一個(gè) DCGAN看著數(shù)字從噪聲里慢慢浮現(xiàn)確實(shí)挺爽。但很快你會(huì)撞上一堵墻模型能生成「像數(shù)字的東西」卻完全不聽(tīng)你指揮——你想讓它畫(huà)個(gè) 7它給你個(gè) 3你想批量生成 100 張 8它給你一堆隨機(jī)數(shù)字。這不是訓(xùn)練不夠是 DCGAN 的判別器只判斷「真不真」壓根不關(guān)心「是幾」。ACGANAuxiliary Classifier GAN要解決的就是這件事在判別器上掛一個(gè)輔助分類頭讓生成器不僅騙過(guò)真假判別還得讓判別器把生成樣本分到正確的類別上。一句話ACGAN 把「生成得像」升級(jí)成了「生成得準(zhǔn)」。這篇筆記面向兩類人一類是已經(jīng)跑通過(guò)基礎(chǔ) GAN、想搞懂條件生成怎么落地的人另一類是直接想拿 ACGAN 做數(shù)據(jù)增強(qiáng)、類別補(bǔ)齊、小樣本擴(kuò)充的工程師。我會(huì)用 PyTorch 從零搭一個(gè)能在 MNIST 和 CIFAR-10 上跑的 ACGAN把損失函數(shù)怎么寫(xiě)、標(biāo)簽怎么嵌、參數(shù)怎么調(diào)、哪里容易翻車全部拆開(kāi)講清楚。代碼可以直接抄參數(shù)可以照著改坑我替你踩過(guò)了。2. ACGAN 的結(jié)構(gòu)拆解判別器為什么要多一個(gè)頭2.1 從 DCGAN 到 ACGAN判別器的職責(zé)變了DCGAN 的判別器只輸出一個(gè)標(biāo)量表示輸入圖像為真的概率。生成器的損失就是讓這個(gè)概率越大越好。問(wèn)題在于這個(gè)信號(hào)太弱了——它只告訴生成器「你畫(huà)得不夠真」但沒(méi)告訴它「你畫(huà)錯(cuò)了類別」。當(dāng)你要生成 10 類數(shù)字時(shí)生成器完全不知道當(dāng)前噪聲對(duì)應(yīng)的應(yīng)該是哪個(gè)數(shù)字它只能隨機(jī)覆蓋整個(gè)數(shù)據(jù)分布。ACGAN 的做法很直接判別器輸出兩個(gè)東西。第一個(gè)還是真假判別輸出維度 1第二個(gè)是類別分類輸出維度等于類別數(shù)。生成器的輸入除了噪聲 z還多了一個(gè)類別標(biāo)簽 c。生成器要同時(shí)騙過(guò)兩個(gè)頭讓真假頭認(rèn)為生成樣本是真的讓分類頭認(rèn)為生成樣本屬于標(biāo)簽 c。判別器則要同時(shí)做對(duì)兩件事分清真假以及把真實(shí)樣本和生成樣本都分到正確的類別。這里有個(gè)關(guān)鍵細(xì)節(jié)判別器的分類頭對(duì)真實(shí)樣本和生成樣本都要計(jì)算分類損失。對(duì)真實(shí)樣本標(biāo)簽就是它的真實(shí)類別對(duì)生成樣本標(biāo)簽是生成時(shí)用的那個(gè) c。這意味著判別器不僅要學(xué)會(huì)分類真實(shí)圖像還要學(xué)會(huì)分類生成圖像——后者其實(shí)是在幫生成器做「反向監(jiān)督」。2.2 損失函數(shù)兩個(gè)交叉熵怎么加ACGAN 的損失函數(shù)是兩部分之和。判別器的損失包括真假判別的二分類交叉熵或 BCEWithLogitsLoss加上類別分類的交叉熵。生成器的損失包括真假判別部分希望判別器把生成樣本判為真加上類別分類部分希望判別器把生成樣本分到正確類別。具體來(lái)說(shuō)設(shè)判別器對(duì)輸入 x 的輸出為 (adv_out, class_out)其中 adv_out 是標(biāo)量class_out 是長(zhǎng)度為 C 的向量。對(duì)于真實(shí)樣本 (x_real, y_real)判別器損失為L(zhǎng)_D BCE(adv_out_real, 1) BCE(adv_out_fake, 0) CE(class_out_real, y_real) CE(class_out_fake, y_fake)對(duì)于生成器損失為L(zhǎng)_G BCE(adv_out_fake, 1) CE(class_out_fake, y_fake)注意這里生成器的分類損失和判別器的分類損失方向是相反的判別器希望分類正確生成器希望判別器「誤以為」生成樣本屬于 y_fake——但 y_fake 本來(lái)就是生成時(shí)指定的標(biāo)簽所以實(shí)際上生成器是在推動(dòng)判別器把生成樣本分到那個(gè)標(biāo)簽。這兩個(gè)損失在訓(xùn)練中會(huì)形成對(duì)抗但不會(huì)像純 GAN 那樣完全零和因?yàn)榉诸惾蝿?wù)本身有真實(shí)標(biāo)簽作為錨點(diǎn)。一個(gè)常見(jiàn)的實(shí)現(xiàn)細(xì)節(jié)是分類損失用 CrossEntropyLoss真假損失用 BCEWithLogitsLoss。后者把 sigmoid 和 BCE 合在一起數(shù)值更穩(wěn)定。如果你用 BCELoss記得在判別器輸出后手動(dòng)加 sigmoid。2.3 生成器怎么把標(biāo)簽嵌進(jìn)去生成器的輸入是噪聲 z 和標(biāo)簽 c。標(biāo)簽 c 是整數(shù)需要先轉(zhuǎn)成 one-hot 向量或嵌入向量。兩種做法都行我一般用 nn.Embedding因?yàn)樗陬悇e數(shù)多的時(shí)候更省參數(shù)而且嵌入維度可以調(diào)。具體操作把 c 通過(guò) Embedding 層變成維度為 embed_dim 的向量然后把 z 和這個(gè)嵌入向量拼接torch.cat一起送進(jìn)生成器的反卷積網(wǎng)絡(luò)。嵌入維度一般取 50 到 100MNIST 這種 10 類問(wèn)題取 50 就夠了。拼接后的向量維度是 z_dim embed_dim通常設(shè) z_dim100embed_dim50總共 150 維。判別器這邊不需要嵌入它直接接收?qǐng)D像輸出 adv_out 和 class_out。class_out 的維度是類別數(shù)用全連接層從特征圖映射過(guò)去。2.4 一個(gè)最小可跑的 ACGAN 代碼骨架下面這段代碼是 MNIST 上的最小實(shí)現(xiàn)包含生成器、判別器和訓(xùn)練循環(huán)的核心部分。我把它拆成幾個(gè)代碼塊方便你逐段理解。import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms # 超參數(shù) z_dim 100 embed_dim 50 num_classes 10 batch_size 128 lr 2e-4 epochs 50 device torch.device(cuda if torch.cuda.is_available() else cpu)這段定義了所有超參數(shù)。z_dim 是噪聲維度embed_dim 是標(biāo)簽嵌入維度num_classes 是類別數(shù)。學(xué)習(xí)率 2e-4 是 GAN 訓(xùn)練的常用值比普通分類網(wǎng)絡(luò)低因?yàn)?GAN 對(duì)學(xué)習(xí)率很敏感。batch_size 128 在 MNIST 上足夠穩(wěn)定。class Generator(nn.Module): def __init__(self): super().__init__() self.embed nn.Embedding(num_classes, embed_dim) self.fc nn.Sequential( nn.Linear(z_dim embed_dim, 256), nn.BatchNorm1d(256), nn.ReLU(True), nn.Linear(256, 512), nn.BatchNorm1d(512), nn.ReLU(True), nn.Linear(512, 1024), nn.BatchNorm1d(1024), nn.ReLU(True), nn.Linear(1024, 28 * 28), nn.Tanh() ) def forward(self, z, labels): c self.embed(labels) # (B, embed_dim) x torch.cat([z, c], dim1) # (B, z_dim embed_dim) x self.fc(x) return x.view(-1, 1, 28, 28)生成器用全連接層而不是反卷積因?yàn)?MNIST 只有 28x28全連接足夠。注意最后一層用 Tanh把輸出壓到 [-1, 1]因?yàn)檩斎雸D像也歸一化到了這個(gè)范圍。BatchNorm1d 在 1D 特征上做歸一化訓(xùn)練時(shí)要注意 batch 不能太小否則 BN 的統(tǒng)計(jì)量不準(zhǔn)。class Discriminator(nn.Module): def __init__(self): super().__init__() self.features nn.Sequential( nn.Linear(28 * 28, 512), nn.LeakyReLU(0.2, inplaceTrue), nn.Linear(512, 256), nn.LeakyReLU(0.2, inplaceTrue), ) self.adv_head nn.Linear(256, 1) # 真假判別 self.class_head nn.Linear(256, num_classes) # 類別分類 def forward(self, x): x x.view(x.size(0), -1) feat self.features(x) adv_out self.adv_head(feat) # (B, 1) class_out self.class_head(feat) # (B, num_classes) return adv_out, class_out判別器共享特征提取層然后分兩個(gè)頭。adv_head 輸出 1 維class_head 輸出 num_classes 維。注意這里沒(méi)有在 adv_head 后加 sigmoid因?yàn)楹竺嬗?BCEWithLogitsLoss它內(nèi)部會(huì)做 sigmoid。LeakyReLU 的負(fù)斜率 0.2 是 GAN 里的常見(jiàn)選擇比 ReLU 更不容易讓梯度死掉。# 初始化模型、優(yōu)化器、損失函數(shù) G Generator().to(device) D Discriminator().to(device) opt_G optim.Adam(G.parameters(), lrlr, betas(0.5, 0.999)) opt_D optim.Adam(D.parameters(), lrlr, betas(0.5, 0.999)) bce nn.BCEWithLogitsLoss() ce nn.CrossEntropyLoss() # 數(shù)據(jù)加載 transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) ]) dataset datasets.MNIST(root./data, trainTrue, downloadTrue, transformtransform) loader DataLoader(dataset, batch_sizebatch_size, shuffleTrue, drop_lastTrue)優(yōu)化器用 Adambetas 設(shè)為 (0.5, 0.999) 而不是默認(rèn)的 (0.9, 0.999)。這是 GAN 訓(xùn)練的一個(gè)經(jīng)驗(yàn)值降低動(dòng)量可以避免訓(xùn)練震蕩。drop_lastTrue 是為了避免最后一個(gè) batch 只有 1 個(gè)樣本導(dǎo)致 BatchNorm 報(bào)錯(cuò)。for epoch in range(epochs): for imgs, labels in loader: imgs, labels imgs.to(device), labels.to(device) B imgs.size(0) # 真實(shí)和生成標(biāo)簽 real_target torch.ones(B, 1, devicedevice) fake_target torch.zeros(B, 1, devicedevice) # --------------------- # 訓(xùn)練判別器 # --------------------- z torch.randn(B, z_dim, devicedevice) fake_labels torch.randint(0, num_classes, (B,), devicedevice) fake_imgs G(z, fake_labels) adv_real, class_real D(imgs) adv_fake, class_fake D(fake_imgs.detach()) loss_D (bce(adv_real, real_target) bce(adv_fake, fake_target) ce(class_real, labels) ce(class_fake, fake_labels)) opt_D.zero_grad() loss_D.backward() opt_D.step() # --------------------- # 訓(xùn)練生成器 # --------------------- adv_fake, class_fake D(fake_imgs) loss_G bce(adv_fake, real_target) ce(class_fake, fake_labels) opt_G.zero_grad() loss_G.backward() opt_G.step()訓(xùn)練循環(huán)里有兩個(gè)關(guān)鍵點(diǎn)。第一訓(xùn)練判別器時(shí)生成樣本要 detach()否則梯度會(huì)回傳到生成器打亂訓(xùn)練節(jié)奏。第二生成器的損失里真假部分用的是 real_target希望判別器把假樣本判為真分類部分用的是 fake_labels生成時(shí)指定的標(biāo)簽。這兩個(gè)損失一起反傳生成器就會(huì)同時(shí)優(yōu)化「像真」和「類別對(duì)」兩個(gè)目標(biāo)。3. 在 MNIST 和 CIFAR-10 上跑通參數(shù)、結(jié)構(gòu)和訓(xùn)練策略3.1 MNIST 上的收斂曲線和生成效果MNIST 上 ACGAN 通常 20 到 30 個(gè) epoch 就能收斂。判別器的真假損失會(huì)穩(wěn)定在 0.5 到 0.8 之間分類損失會(huì)降到 0.1 以下。生成器的真假損失會(huì)波動(dòng)但整體趨勢(shì)是下降的。如果你看到判別器損失迅速降到 0說(shuō)明判別器太強(qiáng)了生成器學(xué)不動(dòng)這時(shí)候要降低判別器的學(xué)習(xí)率或者減少它的更新次數(shù)。生成效果上ACGAN 的優(yōu)勢(shì)在于你可以指定標(biāo)簽生成。比如固定 z只改標(biāo)簽就能看到同一個(gè)噪聲在不同類別下的輸出。如果生成器學(xué)到了類別特征同一個(gè) z 在不同標(biāo)簽下應(yīng)該生成不同數(shù)字但風(fēng)格筆畫(huà)粗細(xì)、傾斜角度保持一致。如果風(fēng)格也變了說(shuō)明標(biāo)簽嵌入沒(méi)有真正起作用生成器可能只是把標(biāo)簽當(dāng)成了額外的噪聲。一個(gè)驗(yàn)證方法是做標(biāo)簽插值取兩個(gè)標(biāo)簽的嵌入向量做線性插值看生成圖像是否平滑過(guò)渡。如果從 0 到 1 的插值中間出現(xiàn)了 8 或 9說(shuō)明嵌入空間沒(méi)有組織好可能需要增大 embed_dim 或者加一個(gè)嵌入向量的正則項(xiàng)。3.2 CIFAR-10 上要改什么從全連接到卷積CIFAR-10 是 32x32 彩色圖像全連接生成器參數(shù)量會(huì)爆炸而且生成質(zhì)量很差。這時(shí)候要換成卷積結(jié)構(gòu)。生成器用 ConvTranspose2d 做上采樣判別器用 Conv2d 做下采樣。標(biāo)簽嵌入還是拼在噪聲后面但拼接后要 reshape 成 (B, z_dimembed_dim, 1, 1)然后通過(guò)反卷積逐層放大到 32x32。class ConvGenerator(nn.Module): def __init__(self): super().__init__() self.embed nn.Embedding(num_classes, embed_dim) self.fc nn.Linear(z_dim embed_dim, 256 * 4 * 4) self.net nn.Sequential( nn.BatchNorm2d(256), nn.ReLU(True), nn.ConvTranspose2d(256, 128, 4, 2, 1), # 4x4 - 8x8 nn.BatchNorm2d(128), nn.ReLU(True), nn.ConvTranspose2d(128, 64, 4, 2, 1), # 8x8 - 16x16 nn.BatchNorm2d(64), nn.ReLU(True), nn.ConvTranspose2d(64, 3, 4, 2, 1), # 16x16 - 32x32 nn.Tanh() ) def forward(self, z, labels): c self.embed(labels) x torch.cat([z, c], dim1) x self.fc(x).view(-1, 256, 4, 4) return self.net(x)ConvTranspose2d 的參數(shù)是 (in_channels, out_channels, kernel_size, stride, padding)。這里用 kernel_size4, stride2, padding1可以把特征圖尺寸翻倍。三層反卷積從 4x4 放大到 32x32。判別器對(duì)稱地用 Conv2d 下采樣最后接兩個(gè)頭。CIFAR-10 上訓(xùn)練時(shí)間更長(zhǎng)通常要 100 個(gè) epoch 以上。學(xué)習(xí)率可以保持 2e-4但 batch_size 建議降到 64因?yàn)?CIFAR-10 的圖像更復(fù)雜大 batch 容易讓判別器過(guò)強(qiáng)。另外CIFAR-10 上可以加譜歸一化Spectral Normalization來(lái)穩(wěn)定訓(xùn)練PyTorch 里用 nn.utils.spectral_norm 包一下卷積層就行。3.3 訓(xùn)練策略什么時(shí)候更新判別器什么時(shí)候更新生成器標(biāo)準(zhǔn) ACGAN 是每步同時(shí)更新 D 和 G。但實(shí)踐中如果判別器太強(qiáng)生成器會(huì)梯度消失如果生成器太強(qiáng)判別器會(huì)分類不準(zhǔn)。一個(gè)常用的策略是每訓(xùn)練 1 次生成器訓(xùn)練 1 到 2 次判別器。具體比例要看數(shù)據(jù)。MNIST 上 1:1 就夠了CIFAR-10 上可以試 1:2。另一個(gè)策略是標(biāo)簽平滑。把真實(shí)樣本的標(biāo)簽從 1 改成 0.9假樣本從 0 改成 0.1可以防止判別器過(guò)度自信。這個(gè)技巧在 ACGAN 上同樣有效尤其是分類頭標(biāo)簽平滑能緩解過(guò)擬合。還有一個(gè)細(xì)節(jié)生成器的分類損失權(quán)重。有些實(shí)現(xiàn)里會(huì)給分類損失乘一個(gè)系數(shù)比如 0.5 或 1.0。如果分類損失太大生成器會(huì)優(yōu)先保證類別正確犧牲圖像質(zhì)量如果太小類別控制會(huì)變?nèi)酢N乙话銖?1.0 開(kāi)始調(diào)如果生成圖像模糊但類別很準(zhǔn)就降到 0.5如果類別經(jīng)常錯(cuò)就升到 2.0。4. 避坑與排查ACGAN 訓(xùn)練中最容易翻車的 5 個(gè)地方4.1 生成器只生成一類圖像或者類別完全隨機(jī)現(xiàn)象訓(xùn)練一段時(shí)間后生成器對(duì)所有標(biāo)簽都輸出同一個(gè)數(shù)字或者標(biāo)簽和輸出完全不對(duì)應(yīng)。原因最常見(jiàn)的原因是判別器的分類頭太強(qiáng)生成器的分類損失梯度被真假損失淹沒(méi)。另一個(gè)原因是標(biāo)簽嵌入沒(méi)有學(xué)好生成器把標(biāo)簽當(dāng)成了噪聲。解決先檢查判別器的分類準(zhǔn)確率。如果真實(shí)樣本的分類準(zhǔn)確率超過(guò) 95%但生成樣本的分類準(zhǔn)確率很低說(shuō)明判別器在分類任務(wù)上過(guò)擬合了。這時(shí)候要降低判別器分類損失的權(quán)重或者給判別器加 dropout。如果標(biāo)簽嵌入沒(méi)學(xué)好可以嘗試增大 embed_dim或者在生成器里加一個(gè)輔助分類器讓生成器自己也預(yù)測(cè)類別。4.2 訓(xùn)練震蕩損失忽高忽低現(xiàn)象判別器和生成器的損失劇烈波動(dòng)生成圖像質(zhì)量時(shí)好時(shí)壞。原因?qū)W習(xí)率太大或者 Adam 的 beta1 太高。GAN 訓(xùn)練本身就不穩(wěn)定ACGAN 因?yàn)槎嗔朔诸惾蝿?wù)震蕩會(huì)更明顯。解決把學(xué)習(xí)率降到 1e-4 或 5e-5beta1 從 0.9 降到 0.5。如果還震蕩可以試 RMSprop 或者 SGD。另外減小 batch_size 也有幫助因?yàn)樾?batch 的梯度噪聲更大反而能平滑訓(xùn)練。4.3 生成圖像出現(xiàn)棋盤(pán)格偽影現(xiàn)象生成圖像上有規(guī)律的網(wǎng)格狀紋理尤其在反卷積層較多時(shí)明顯。原因ConvTranspose2d 的 stride 和 kernel_size 不匹配導(dǎo)致輸出像素重疊不均勻。解決把 kernel_size 設(shè)為 stride 的整數(shù)倍比如 stride2 時(shí) kernel_size 用 4 或 6。或者用最近鄰上采樣加普通卷積代替反卷積。PyTorch 里可以用 nn.Upsample(scale_factor2, modenearest) 接一個(gè) Conv2d效果通常更干凈。4.4 判別器分類頭對(duì)生成樣本的損失不下降現(xiàn)象判別器對(duì)真實(shí)樣本分類很準(zhǔn)但對(duì)生成樣本的分類損失一直很高。原因生成樣本的分布和真實(shí)樣本差異太大判別器學(xué)到的分類邊界不適用于生成樣本。這其實(shí)是正?,F(xiàn)象因?yàn)樯蓸颖驹谟?xùn)練初期質(zhì)量很差。但如果訓(xùn)練很久后仍然不下降說(shuō)明生成器沒(méi)有學(xué)到類別特征。解決檢查生成器的分類損失是否在下降。如果生成器的分類損失也不降說(shuō)明標(biāo)簽嵌入沒(méi)有起作用??梢試L試把標(biāo)簽嵌入和噪聲拼接的方式改成相乘或者用條件批歸一化Conditional BatchNorm。另一個(gè)方法是給生成器加一個(gè)獨(dú)立的分類器用真實(shí)分類器來(lái)監(jiān)督生成樣本的類別。4.5 顯存溢出或訓(xùn)練速度過(guò)慢現(xiàn)象CIFAR-10 上訓(xùn)練時(shí)顯存不夠或者每個(gè) epoch 要跑很久。原因判別器的兩個(gè)頭共享特征層但分類頭的參數(shù)量可能很大。另外如果 batch_size 太大BatchNorm 的統(tǒng)計(jì)量會(huì)占用額外顯存。解決減小 batch_size或者把判別器的特征層通道數(shù)減半。如果顯存還是不夠可以用混合精度訓(xùn)練torch.cuda.amp。速度方面把 DataLoader 的 num_workers 設(shè)為 4 或 8pin_memoryTrue能明顯加快數(shù)據(jù)加載。5. 進(jìn)階技巧用 ACGAN 做數(shù)據(jù)增強(qiáng)和類別補(bǔ)齊ACGAN 最實(shí)用的落地場(chǎng)景是數(shù)據(jù)增強(qiáng)。當(dāng)你手頭某個(gè)類別的樣本特別少可以用 ACGAN 生成該類的合成樣本擴(kuò)充訓(xùn)練集。但這里有個(gè)坑生成樣本的質(zhì)量直接決定增強(qiáng)效果。如果生成樣本和真實(shí)樣本分布差異大增強(qiáng)反而會(huì) hurt 模型。我的做法是先用真實(shí)數(shù)據(jù)訓(xùn)練一個(gè)分類器然后用 ACGAN 生成樣本把生成樣本喂給這個(gè)分類器看分類準(zhǔn)確率。如果準(zhǔn)確率下降超過(guò) 5%說(shuō)明生成樣本質(zhì)量不夠不能直接用。這時(shí)候可以調(diào)低生成樣本的權(quán)重或者只把生成樣本用于預(yù)訓(xùn)練再用真實(shí)數(shù)據(jù)微調(diào)。另一個(gè)技巧是類別插值。ACGAN 的標(biāo)簽嵌入空間是連續(xù)的你可以取兩個(gè)類別的嵌入向量做插值生成中間類別的圖像。這在做細(xì)粒度分類時(shí)很有用比如從「貓」到「狗」的插值可以生成一些介于兩者之間的樣本幫助模型學(xué)到更平滑的決策邊界。驗(yàn)證 ACGAN 是否真正學(xué)到了類別控制有一個(gè)簡(jiǎn)單方法固定噪聲 z遍歷所有標(biāo)簽生成一組圖像。如果這些圖像在類別上明顯不同但在風(fēng)格上一致說(shuō)明模型學(xué)到了解耦的表示。如果風(fēng)格也跟著變說(shuō)明標(biāo)簽和噪聲沒(méi)有解耦需要調(diào)整嵌入維度或者加正則。最后說(shuō)一個(gè)我踩過(guò)的坑ACGAN 的生成器在訓(xùn)練后期容易過(guò)擬合到訓(xùn)練集的類別分布。如果訓(xùn)練集里某個(gè)類別樣本少生成器對(duì)這個(gè)類別的生成質(zhì)量會(huì)明顯差。解決辦法是在訓(xùn)練時(shí)對(duì)類別進(jìn)行重采樣讓每個(gè) batch 里各類別樣本數(shù)均衡。這個(gè)細(xì)節(jié)在數(shù)據(jù)增強(qiáng)場(chǎng)景下特別重要因?yàn)槟阋a(bǔ)的恰恰是少樣本類別。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷成人基地| 成人草榴视频| 欧美啄木乌丝袜人妻系列| 中文字幕精品无码一区二区| 久久总和99| 五月开心婷婷极品激情| 91主播在线| 99这里有精品| 五月综亚洲| 99精品视频在线观看| 欧美VA在线| 久久狠狠干| 蜜臀AV在线观看| 久久99热在线观看| 99色色| 99视频色在线观看| 九九99热| 91综合色噜噜| 色婷婷成人色网| 欧美色色色色色色色色色色| 天天干肏夜夜| 婷婷丁香五| 久久38视频| 久热九九| 久久这里只精品| 超碰在线91| 婷婷丁香91综合| 一区二区乱码视频| 婷婷丁香18| 密臀久久| 久久性爱视频| 久久婷婷五月丁香网| 婷婷丁香社区| 日韩成人网址| 色中色综合| 人人爱人人添| 五月婷婷激清网| 五月天婷婷久久| 久久人妻熟女一区二区| 五月婷婷六月丁香| 九九热99热| 亚洲a色| 99热久| 婷婷色六月| 无码激情精品色婷婷久久久久| 日本色色网站| 小骚穴电影| 亚洲AV成人无码精品| 色99视频| 国产偷人爽久久久久久老妇APP| 蜜桃人妻无码AV天堂三区| 精品色色网| 色色色999| 在线超碰91| 97操碰在线97| 操操熟女| 九九热99视频| 色五月无码| 91精品久久久久久综合五月天| av五月丁香婷婷网| 六月大香蕉| 潮汕成人AV片在线| 久久超视频| 91av色色乱视频| 婷婷五月色播天| 激情五月婷婷| 九月丁香婷婷网| 激情图片亚洲| 综合激情sV| 亚洲视频1区| 精品日本视频444| 亚洲熟妇AV乱码在线观看| 亚洲免费看片| 日韩野外 无套| 国产精品久久久久久久久久免费| 九九精品9| 九九热在线观看6| 97涩婷婷婷婷基地| 99视频在线观看网址| 久久九九九九| 国产熟女一区二区三区五月婷| 日本操片| 热热99爱爱| 六月激情丁香一道本7777| 色日本五月天| 国产超碰av| 国产片XXXXA片国语对白| 性av| 婷婷丁香五月91| 色99超碰| 天天日夜夜操五月| 99色性爰网络| 色婷婷狠狠| 日本在线99| 亭亭玉月丁香| 2022人人操人人看| 丁香五月激情性色郤| 新激情五月天色播| 五月丁香成人| 婷婷激情久久| 五月婷婷色色| 丁香五月综合AV在线| 狠狠插狠狠操| 少妇被下春药玩弄A片| 亚洲人操亚洲人| 99热天堂| 成人羞羞啪啪 全 视频| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 深爱激情综合网| 日本美女五月天| 伊人五月综合网| 超碰国产在线| 亚洲婷婷在线播放十月| 天天日婷婷| 婷婷五月天亚洲| 久久久免费精彩视频| 九热精品| 激情九九九九| 丁香网五月网| 六月婷婷五月天| 97碰碰碰免费公开在线视频| 亚洲熟女色| 天天做天天双| 亚洲色五月婷婷| 丁香婷婷六月| 五月婷婷六月激情网| 亚洲五月婷| 另类国产欧美视频| 国产婷婷五月天| 99精品在线观看视频| 国产在线aaa片一区二区99| 哇嘎成人久久| WWW.婷婷| 精品操逼一区二区| 九九久久综合网站| 五月色综合| 97碰人人操| 色五月丁香一区在线| 99色视频在线| 中文字幕av网站| 四五月婷婷| 9久久久久久久久久久| 久久九网| 婷婷五月天综合中文| 午夜一区| 香蕉操亚洲| 色婷婷丁香AV综合| 丁香五月婷婷网| 午夜69成人做爰视频| 黄网在线免费观看| 日狠狠| 98永久精品| 五月婷婷福利| 99草在线免费观看视频| 综合五月网| 日韩久久成人| 99久久综合精品五月天| 亚洲AV无码成人电影| 色色色综合视频| 色婷婷丁香五月天| 亚洲成人色五月婷婷综合| 亲子乱AV一区二区三区下载| 超碰人人艹| 囯产精品久久欠久久久久久九大| 91丁香| 丁香五月骚喷水视频| 一起草av| 丁香五月亭亭六月综合激情网| 五月天啪啪视频| 色五月欧美| 4438激情网| 色色日本欧美| 狠狠色婷婷7777久| 五月天婷婷色播综合在线| 色婷婷99| www.色色色色| 久久婷婷综合基地| 久久99精品视频| 色噜噜狠狠色综合日日| 五月丁香婷婷激情在线| 激情骚五月| 99视频只有精品| 99视频在线观看网址| 婷婷五月色色| 色婷婷五月天激情综合| 综合 蜜月 婷婷| 久久色亭亭五月天| 天天做综合| 亚洲乱码日产精品BD| 亚洲精品操一操、噜一噜、摸一摸、爽 | 婷婷色在线观看| 伊综合蕉| 少妇人妻人伦A片| 六月丁香婷婷大香蕉| 五月色俺婷婷| 大香av| 九色婷婷| 婷婷五月草| 亚卅毛片| 色色色色欧美| 伦乱天堂| 亚洲小视频| 丁香五月激情欧美| 亚洲视频在线网站| 婷香五月| 五月激情婷婷丁香| 婷婷五月天免费小说| 天天日夜夜B久久| 天天爽夜夜操| 九九无码| 婷婷五月天性| 日本久热| 91日综合欧美| www日本熟妇99在线视频| 日日操日日撸| 婷婷丁香五月久久| 六月婷婷综合激情| 五月丁香婷久久| 97在线/亚洲| 九九热视频精品2| 99久久超级| 99色在线视频| 狠狠干 狠狠操| 影音先锋噜一噜| 亚洲乱码日产精品BD| 色在线视频网2025| 久久九九99字幕| 激情伊人网| 激情第四色| 色色色色网站| 亚洲日日操| 日日骑夜夜撸| 91黄址| 婷婷丁香日韩五月| 九九色综合| 99热天堂| 色婷婷久久综合中文久久一本| 五月丁香六月激情综合网| 舔色婷婷| 亚洲综合在线丁香五月| 亚洲色小说在线综合| 久久精品系列| 婷婷丁香黄色| 1024AV视频| 婷婷五月激情中文字幕| 亚洲啪视频| 五月丁香六月激情欧美综合| 思思热热久久| 婷婷五月天激情小说网站| 亚洲性爱电影| 五月天婷婷久久| 超碰在线资源| 开心五月色婷| 热久久77777| 亚洲AV网站在线观看| 亚洲AV成人无码精品| 婷婷激情四射| www.夜夜操| 五月天啪啪视频| 亚洲五月停停| 激情综合网五月丁香| 狠狠草狠狠草| 大婷婷色呦呦噜噜色呦呦噜噜| 日韩五月婷婷| 色婷婷丁香五月丁香| 国产精品大香蕉| 色碰干| 丁香视频| 99操中文视频| 色一情一乱一乱一区91Av| 日本激情91| 密视AV综合在线| 99情色五月天| 久久99三级在线视频| 九色成人AV在线| 中文字幕成人网站| www,99色| 亚洲情色一区| 激情综合丁香| 人人色性网| 婷婷刺激综合| 婷婷五月天a| 91九色国产| 大香蕉婷婷五月| 俺去啦综合网| 婷婷五月天激情诱惑| 婷婷五月天在婷| 色婷婷六月综合| 五月亭亭六月激情| 五月婷婷之美女图片| 激情五月天开心总和网| 少妇人妻人伦A片| 激情五月天com| 99精品无码| 婷婷五月综合在线| 97高清国语自产拍| 99日视频在线| 久久丁香五月婷婷| 综合逼五月激情婷婷| 色综合五月在线| 久婷婷五月丁香在线观看| 成人一级片| 亚洲秘 无码一区二区三区妃光/1| 激情五月婷婷视频一区二区三区| 台湾佬天天日丁香婷婷五月天| 天天操B| 三级三久久线久久99久目本WW| 91精品久久久久久77777| 狠狠干在线| 欧美人人操| 99九无网码| 99er这里只有精品视频| 立川无码av| 五月综合精品| 99热精品在线观看| 99热只有精品在线| 99热6这里之有精品| 丁香五月大片| 99精品在线| 中文字幕丰满孑伦无码专区| 2015WWW永久免费观看播放| 色婷婷888| 五月天色区| 伊人久久大香线蕉av最新| 91色婷婷综合久久中文字幕二区| 婷婷五月天亚洲五码| 五月丁香啪啪网| 99热99思午夜精品| 五月天婷婷基地| 日狠狠| 爱草人视频| 人人摸人人干| 人妻系列久久久久久久久久久 | 五月婷婷 婷婷五月 一区二区 久久久| 久久婷婷大香蕉| 五月色情婷婷| AV网站免费在线| 欧美怡红院黄站| 91久久久久久久91| 99热无码| 丁香婷婷激情网站| 久久婷婷五月激情网站| 高清无码网址| 婷婷久久亚洲| 激情六月天| 亚洲成人无码专区| 天天 青草 制服丝袜 在线| WWW.17C亚洲精品| 人妻日日日| 人妻22p| 久久成人综合五月天| 大香蕉520| 99re青青草| 色高清无码视频| 开心婷婷五月| 色六月丁香婷婷啪啪啪| 五月丁香六月激情综合| 婷婷综合亚洲| 久久性刺激| 亚洲成人中文字幕| 影音先锋天天日| 婷婷五月超碰| 五月婷婷成人| 婷婷五月天综合久久日| 色婷婷在线视频综合| 综合五月婷婷| 五月天婷婷基地丁香| yellow视频在线观看91| 五月天婷婷成人| 九九无码AV| 婷婷六月丁香久| 色婷婷影院| 丁香五月激情六月欧亚激情综合导航 | 成人无码髙潮喷水A片| 99自拍视频| 亚洲熟女色| 日韩九区| 激情综合网五月婷婷| 久久综合激情| 五月天激情四射| 四虎成人精品永久免费AV九九| 天天影院色| 超碰免费电影| 久久9视频| AV操逼网| 人妻久久久| 丁香五月花婷婷开心| 综合色色色| 亚洲色五月| 激情网五月天| 色色色国产| 久久久久九九九九视屏小说88| 日日日,com| 丰满老熟妇BBBBB搡BBB| 欧美成人网婷婷综合在线| 最近中文字幕大全免费版在线 | 99热精品6| 婷婷丁香精品视频在线观看| 激情五月婷婷六月丁香| 91久久精品无码一区二区三区| 婷婷97碰碰| 亚洲天堂久久| wuyuedingxiang99| 九九热青草| 婷婷五月天亚洲图片| 大香蕉在线99热| 亚洲婷婷激情综合激情999精品| 国产av影片| 婷香五月激情视频| 激情综合网 激情五月天| 七七久久婷婷| 婷婷丁香五月亚洲| 五月丁香天堂网| 久9热在线视频| 色色色综合网| 伊人9999| 97碰碰视频在线观看| 久久丁香五月| 婷婷五月激情五月激情| 少妇激情五月婷婷| 久久婷婷五月天激情| 99啪啪视频| 五月综合777| yiqicaoav| 99久久婷婷| 欧美天天性| 亚洲视频久久| 五月天激情图片| 婷五月丁香| 天天操天天曰天天射| 性爱五月婷| 超碰在线99| 欧美大肥婆大肥BBBBB| 无人精品在线视频| 伊人网大香| 久久香蕉丁香| 中文字幕在线免费观看视频| www,五月天com| 激情综合婷婷| 色婷婷色五月另类综合| 久久久天堂国产精品女人| 久久五月天激情美女| 99热精品在线| 在线中文av| 欧美内射AA| 婷婷导航| 婷久久高清| 99热这里只有免费精品| 久久天堂精品| 五月天色综合| 五月天婷婷导航| 亚洲狠9| 日本va欧美va欧美va| 久久99免费视频网站| 99热.com| www.激情.com.| 欧美成人精品三区综合A片| 五月综合在线婷婷图片| AV免费在线网站| 色综合久久88色综合天天看| 日日骑夜夜撸| 九色综合网| 亚洲五月花| 色综合丁香婷婷| 久久婷婷五月| A A色色| 天天射色五月天| 97性视频| 一区二区三区四区无码| 狠狠五月激情丁香六月| 香蕉AV福利精品导航| 五月天,激情四射,婷婷频道| 99日本在线| 久久久人妻| 丁香五月天精品| 久久婷婷色综合老司机| 激情伊人五月天| 婷婷五月天第四色| 香蕉狠狠爱视频| 欧美成人精品A片免费一区99| 99热日本| 亚洲综合视频在线| 婷婷五月,综合伊人| 狠狠综合网| 国内裸舞二区| 情一色一乱一伦一91A| 狠狠色综合网站久久久久| 亚洲综合丁香婷婷六月天| 婷婷五月天毛片| 人人干人人看| 久久婷婷五月综合色丁香| 婷婷激情五月天7| 日韩啪啪自拍| 成人做爰A片免费看视频 | 8区视频在线| 婷婷五月丁香高清无码| 五月天婷婷色情| 国产免费性爱| 99热在线精品观看| 色视频五月天| 一本久久亚洲五月婷婷| 日本色道视频网站| 中文字幕天天干| 五月丁香天堂网| 五月激情六月宗合| 狠狠狠激情网| 婷婷丁香五月亚洲欧美| 激情九九六月激情免费视频| 婷婷99综合| 在线播放中文字幕| 色综合天堂| 婷婷丁香一月| 亚洲小视频免费看| 操久久网| 久9热视频在线观看| 婷婷五月天免费99| 在线99热| 久久伊人婷婷| 九九色综合九九色| 婷婷五月激情在线视频| 色综合久久88色综合中文字幕| 久久精品63| 婷婷五月天免费99| 嫩BBB槡BBBB搡BBBB| 黄色五月婷婷| 丁香五月婷婷基地| 涩婷婷五月天在线精品视频| 99热在线这里| 99热777| 五月婷婷黄色视频| 激情伍月 欧美| 久久婷婷五月综合| 7超碰自拍| 七七色色综合| 九九99在线| 欧美十二区| 精品亚洲国产成AV人片传媒| 99久热| 六月婷婷色综合| 五月婷色| 开心激情五月天网| 91chinese在线| 99热8| 欧美丁香婷婷五月| 日日夜夜天天综合| 91chinese在线| 五月婷婷偷拍| 久久这里只有精品99| 91 九色 熟女| 九九热这里只有精品6| 天天干天天干天天干天天干天天干| 日韩色久| 丁香五月天黄色片| 午夜免费试看| 日韩成人精品中文字幕| 精国产品一区二区三区A片| 中文字幕综合| 丁香六月久久| 能直接看的av网站| 天天操天天干天天日| 成人av免费观看| 国产伦亲子伦亲子视频观看| 内射在线CHINESE| 色婷婷激情五月天丁香| 九色1区视频在线| 超碰激情五月| 久久伦乱| 天天狠狠婷婷在线| 色丁香综合影院| 五月婷婷干| 五月婷六月丁香| 五月婷婷开心亚州在线| 久久丝袜婷婷| 激情视频网址| 中文成人在线| 99久久.www| 综合大香蕉| 欧美va亚洲va| 噜噜噜色噜噜| 五月丁香啪啪网| 久久久WWW| 91碰碰碰| www.99操.com| 五月婷婷啪啪啪| 丁香五月大香蕉| 丁香婷婷人妻综合网| 九九久久精品| 亚洲瑟瑟精品在线| 久久激情五月婷婷| 超碰在线观看9| av人人干| 丁香婷婷浪潮AV久久综合| 最新日韩久热免费视频看看| 色5在线| www开心激情网| 狠狠操狠狠插| 青草视频在线播放| 99综合自拍| 久久xx| 六月丁AV| 久久久五月天| 日韩成人中文| 玖玖爱综合网| 丁香五月婷婷成人网| 热99AV网站| 五月丁香婷婷色| 色狠狠色综合久久久绯色aⅴ影视| 五月天堂色色| www天天干| 狠狠爱婷婷丁香| 99在线观看| 98热精品| 亚洲色婷婷激情| 五月婷婷六月情| 亚洲这里只有精品| 五月久久网| 色丁香综合影院| 久久久无码精品成人A片小说| 黑人巨粗进入警花疼哭A片| 99热精品网| 国产色色网站网址| 另类图片天天影视在线观看| 九九99偷拍视频| 九九热这里只有精品首页| www夜夜操comwww| 久久视频这里有精品99| 久久码久久无清| 梁铮版《蜘蛛女侠》在线| 五月婷亚洲精品| 荡乳尤物3HP1V5| 99日本黄站| 丁香婷婷婷五月| 婷婷久草| 五月婷婷干干干| 99热999| 思思久久精品视频| 超碰在线91| 丁香六月激情国产| 天天色五月| 日韩成人综合网| 久久久免费图片视频| 日韩婷婷五月天| 婷婷色五月丁香六月欧美啪| 99热国产婷婷| 26uuu亚洲精品国产| 色婷婷网大全在线| 丁香五月成人论坛| 欧美日韩一区二区三区四区| 亚洲av成人在线| 婷婷开心激情| 欧美婷婷色| 五月综合在线婷婷图片| 99爱视频在线观看这里只有精品| 玖玖五月丁香| 久久婷婷六月综合综合色| 欧美顶级少妇做爰HD| 亚洲精品国产成人AV在线| 夜夜爽天天爽| 婷婷人妻激情| 五月婷婷六月综合| 99久久人人| 超碰操日| 九九操综合网| 成人精品视频99在线观看免费| 日本啪啪网| 淫视馆AV在线| 中文字幕综合| 超碰在线免费| 婷婷久久综合| 色色丁香婷婷| 99乱视频| 91婷色| 久久激情五月网| 99热这里只有精品9| 久久婷婷五| 五月婷婷第四色| 天天色凹凸| 婷婷久久亚洲| 丁香五月婷婷大香蕉| 狠狠草狠狠草| 9999热精品| 俺去也在线www色官网| 热91久| 丁香六月婷婷姐网| 亚洲成人av在线观看| 狠狠色激情综合| 久久五月天激情| 婷婷十月丁香| 久久大香蕉伊人| 97碰人人操| 激情婷| 丁香五月婷婷五月| 国产综合视频婷婷| 激情五月婷婷| 色婷婷婷综合五月天| 无码视频国内精品久久久| 丁香婷婷中文字幕| 婷婷久久伊人| 九九操操| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 天天色天天噜| 丁香五月婷婷综合激情啪啪啪| 丁香五月婷婷激情蜜桃| 婷婷丁香五月天影院| 波多野结衣AV无码Porn| 六月婷婷激情| 欧美成人AAA片一区国产精品| 第四色婷婷五月| 91干在线视频| 91丨九色丨43老版熟女| 婷婷成人在线| 99热大| 丁香六月激情| 婷婷五月激情在线| 日本九九视频| 色色丁香| 天天日天天爽| 免费色色色| 91精品刘玥| 日本99久久| 开心久久爱五月天| 色九综合| 婷婷色五月激情| 激情五月狠狠| 夜夜骑操AV| 激情性爱婷婷| 国产激情综合五月久久| 激情婷婷网| 日韩久综合| 91久操| 99er国产| 国产中文字幕在线视频免费观看| 色狠狠综合| 五月色丁香婷婷中文字幕| 色五月婷婷成人| 五月丁香六月情| 六月丁香啪啪啪| 人与禽A片啪啪| 综合视频久久| 九九热只有精品| 综合激情伊人影视在线| 操碰99在线视频观看| 操操碰| 色五月激情五月开心五月| 欧美丁香婷婷天天操| 久久婷婷的综合色丁香五月| 天天干天天干天天干| 五月丁香在线| 亚洲免费99| 色玖玖| 亚洲碰碰碰| 九久久婷婷| 人人摸人人搞| 狠狠色97| 五月婷婷丁香综合网| 亚洲综合激情五月久久| 丁香五月www| 全部老头和老太XXXXX| 久久性爱视频| 色噜噜狠噜噜视频| 激情婷婷综合五月少妇| www。五月天。com| WWW.天天日| 激情综合网站| 久热天堂| 新激情五月天| 丁香五月激情综合| 五月丁香综合啪啪| 永久免费一区二区三区| 天天做天天爱天天综合网| 6月丁香婷婷激情| 91久久综合亚洲鲁鲁五月天| 久久色吧| 丁香五月伊人| 日本天天色| 久草五月天| 欧美超级视频97| www.99成人视频| 欧美婷| 99热国产国产| 狠狠色丁香久久久婷| 五月天激情久久| 日本一毛片| 激情视频综合| 亚洲成片在线观看| 激情国产综合| 9久热在线视频| 97色干| 六月丁香啪啪啪| 天天干天天插| 综合激情五月丁香| 激情六月天| 丁香五月在线| 九九综合久久| 51国精产品自偷自偷综合| 丁香五月婷婷啪啪啪| 俺去也五月天婷婷| 99久久久99久久91熟女| 五月丁香香蕉| 丁香五月天啪啪| 国产精品美女| 99热 精品在线| 国产内射婷婷| 97在线观视频免费观看| aV直接看| 午夜微拍福利| 涩 五月 婷婷 狠狠| 激情综合另类| 丁香 亚洲 久久| 天天肏高清在线| 99热1| 狠狠看狠狠| 狠狠草婷婷| 夜夜操少妇| 热热久久99| 五月天婷婷在线视频| 亚洲最大激情无码| 欧日韩成人| 99爱视频在线观看这里只有精品| 亚洲妇女熟BBW| 4438亚洲欧美| 亚洲激情Av| 丁香五月婷婷色情综合| 激情欧美婷婷| 激情五月六月婷婷综合啪啪| 夜夜爽天操| 亚洲国产99| 丁香花五月天激情| 大香网伊人久久综合| 99re6在线视频精品免费| 丁香五月天成人| 婷婷色一二三区波多野结衣| 婷婷五月丁香四射| 1024婷婷综合久久五月天| 国产成人av在线| 天天日,夜夜爽| 婷婷色五月丁香六月欧美啪| 狠狠色97| 野战J办公桌椅H| 亚洲国产网址| 五月丁香久人妻中文| 春色激情第四色| 狠狠激情五月天| 91成人品| 亚洲亚洲人成综合网络 | 久久综合影院| 这里只有精品视频| 久久婷婷免费| 五月丁香好婷婷A片网| 夜夜爽天天| 天天综合天综合| WWW.婷婷五月天.COM| 免费无码毛片一区二区A片| 91刘玥视频在线观看| 天天肏视频| 这里只有精彩视| 超碰色综合| 超碰99热精品在线| 久久狼人天堂| 五月丁香六月合| 99热都是精品| 五月丁香综缴情性爱| 色婷婷最新域名| 亚洲五月天天| 综合五月天| 国产一区二区三区影院| 综合伊人久久| 呦呦v线| 六月婷婷色色色| 亚洲视频在线观看| 国产精品久久久久久白浆色欲| 五月婷婷之六月丁香| 99热丁香| 丁香五月亚洲综合| 天天久久人人| 欧美日韩成人在线网站| 夜夜嗨一区二区三区直播内容 | 色五月激情五月丁香五月婷婷啪啪综合 | 久久婷婷五月天懂色| 精a品a视a频| 天天色天天操天天射| 亚洲五月天激情| 亚洲av免费在线| 99热这里全是精品| 日本视频不卡123区| 久碰久操| 激情五月婷婷丁香| 97日本在线播放| 激情婷婷丁香五月天小说| 五月成人天| 白人荫道BBWBBB大荫道| 9|无码久久久久久| 久久怕怕视频| 天天干天天日蜜臀av| 超级碰碰碰97免费| 色婷婷五月天天天干天天操天天爽 | 天天操夜夜肏| 婷婷综合网| 亚洲不卡| 六月丁香av| 五月开心啪啪| 久久99成人性爱高清视频| 大地资源色婷婷视频在线| 日本久久婷| 婷婷五月天奸女| 婷婷丁香综合| 九九精品视频在线6| 极品少妇高潮啪啪AV无码| 久操热线| 五月天综合在线| 久热99热| 亚洲VA口| 超级碰人人操人人干| 思思热再线视频| 欧美怡红院黄站| 婷婷成人综合免费视频| 中文在线成人| 成年视频免费观看| 综合九九| 久久影视婷婷五月| 午夜五月天| 中文字幕不卡网站| 婷婷四色成人综合色视| 日韩成人不卡| 视色综合| 91人妻人人操| 开心婷婷五月天电影院| 日日日日日| 轮奸综合网| 激情婷婷丁香| 亚洲一色色色色色色色色| 性做久久久久久久免费看| 九月丁香婷婷综合激情| 熟女激情五月天| 天天草人人摸| 丁香久久| 色五月天激情| 日韩国产AV播放| 五月天激情综合10p| 丁香婷婷五月激情四射网| 五月涩涩网| 午夜福利8055| 婷婷五月色播| 五月激情视频| 日日噜噜夜夜狠狠久久丁香五月| 日日噜人人人做人| 男男野外做爰全过程69| 五月丁香婷中文| 天色色综合网| 丁香六月综合| 日韩色色色色色| 天天色粽合合合合合合合| 婷久看人爽| 人人操婷婷| 丁香婷婷激情| 丁香五月香蕉在线| 成人综合网站| 天天干狠狠操| 91九色PORNY大屁股| 天天操天天曰| 玖玖色综合| 亚洲妇女熟BBW| 俺也去在线视频| 久草狼人| 五月婷婷之美女图片| 日韩伊人大香蕉| 国产 亚洲 在线| 熟女五月天久久综合| 91碰免费视频| 97视频久久| 丁香婷婷六月激情文学 | 五月丁香A片| 五月激情站| 久久五月丁香婷婷| 狠狠干五月| 91丨九色丨熟女| 激情影院内射| 大香人妻| 综合色99| 色播五月丁香| 中日韩美欧成人一区二区精品在线| 久久这里只| 丁香五月婷婷啪啪| 射婷婷中文字幕| 激情四射网| 五月婷人妻| 91大屁股在线| 久九色| 五月天婷婷色小说| 色综合中文| 最近中文字幕2019视频1| 狠婷婷五月| 色综合com| 影音先锋91网站在线观看| 色五月婷婷九月| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 色啪影院| 色播丁香婷婷五月激情| 在线天堂9| 五月丁香婷婷欧美色图视频五月丁香777电影| 日狠狠| 99手机在线精品视频| 久久人妻精品| 婷婷日欧美在线观看| 五月丁香网站在线播放| 大香蕉狼人久久| 丁香五月婷婷国产av| 丁香五月激情啪| 怕怕av| 在线视频激情网站| 亚洲精品V天堂中文字幕| 中美日韩成人在线| 色婷婷激情视频| 淫视馆aV二区一区| 亚洲最大视频网站| 26uuu国产| 久久久久激情网| 三十路磁力链接| wwwss在线观看| 免费超碰在线| 婷婷五月天视频| 日本啪啪网| 九九热这里只有精品31| 2015好吊操| 色色色色区| 亚洲成人电影在线免费观看| 久久免片| 六月婷婷视频| 天天噜噜| 色婷婷影音| WWW五月天| YJLZZJLZZ亚洲乱熟无码| 亚洲av网址| 激情综合网激情五月俺也去| 国产日韩欧美性爱| 久久大香蕉同僚| 丁香五月天网友自拍啪啪啪视频| 婷婷丁香水多多视频| 91大神操美女| 日本97在线观看| 九九九九操逼| 亚洲天堂久久| 97久久久| 五月天婷婷AV| 婷婷五月综合体验看| 99热视精品| 5月婷婷激情6月| 六月香五月婷| 青青草原中文字幕| 午夜婷婷丁香| 日本一级| 嫩草视频在线观看| 久久在线92| 十区AV| 丁香9月婷婷| 色婷婷狠狠18yy| av婷婷丁香| 欧美 色婷婷| 久99999热视频在线观看免费| 天天爽人人综合免费7799| 天天射影院| 996er热| 色色丁香婷婷| 五月婷婷性爱| 色色丁香婷婷综合| 欧美久久婷婷| 久久久久久久97| 欧美一级色| 97操在线视频| 成人AV免费观看| 超碰免费99| 六月丁香综合| 99热都是精品| 丁香五月影院| 日日天天干| 青青草成人网| 色婷婷成人做爰A片免费看网站 | 五月丁香综合成人社区| 超碰在线观看9| 亚洲五月激情| 色五月网址| 99热这里只有精品26| 日日色五月天| 日日干干天天干| 婷婷日日夜夜| 五月丁香六月婷婷色日| 天天干天天操天天爽| 五月天播播中文字幕| 婷婷日欧美在线观看| 欧美va视频| 99综合网| 99久久九九| 成人国产欧美大片一区| 一本狠婷婷综合| 91在线看免费 九九九九| 97九色视频| 五月天婷婷一起草| 99色播| 婷婷爱五月天| 色综合婷婷| 99热地址| 大伊香蕉精品视频在线| 久热爱大香蕉在线蜜臀悦色 | 色婷婷综合久色AV五色最新| 天天干天天干天天干天天干天天干天天| 亚洲精品无AMM毛片| 国产精品黑丝| 色色婷婷丁香五月天| 久久激情视频99| 天天综合天天做天天综合| 777色色色| 日本婷色| 狠狠色综合网| 久久R激情| 99热99| 91欧美| 天天天添天天操| 狠狠色97| 99久久9| 亚洲色五月婷婷| 久久婷婷激情| 另类视频丁香五月| 婷婷五月天小说| 99热在线观看| 色射7856五月天激情四射| 日韩成人网址| 亚洲AV久久久久久久久久久久久久久久 | 中文字幕按摩做爰| 黄页免费一级视频懂色| 亚州综合色| 婷婷五月 丁香六月| 色婷婷社区| 丁香婷婷色五月| 一二线视频 另类| www.91九色| 天天操天天日天天爽| 综合久久综合久久| 黄色片久久| 99熟女| 亚洲免费99| 五月花免费视频| 久久性都花花世界成人免费视频| 婷婷色五月天色| 色欲丁香久久| 97超碰在线免费观看| 六月婷婷毛片| 五月天堂色| 熟女激情五月天 | 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 激情五月婷婷综合| 色婷婷网| 激情性爱网站| 丁香婷婷免费| 天堂在线9| 男女啪啪做爰高潮无遮挡| 欧美WW在线网| 黄涩毛片| 噜噜干日本| 在线精品97| 成人va在线观看视频| 五月婷婷丁香色播网| 99热精品中文字幕| 91综合视频在线| 五月天婷婷六月激情网| 99视频在线观看网址| 碰碰碰97国产| 亚洲精品va| 草草操操| 一级性感毛片| 欧美视频在线观看噜噜| 99热精品在线| 色色五月婷婷久久| 亚州AV超碰人人操| 97啪啪| 久99视频在线观看| 欧洲色色| 美女视频图片久久91| 噜噜噜噜婷婷五月天| 婷婷在线播放| 久久9RE热视频精品98| 婷婷色丁香五月| 日欧一片内射VA在线影院| 另类图片天天影视在线观看| 中文字幕精品在线观看| 五月丁香A片| 五月丁香视频在线观看| 色婷丁香| 欧美性爱一区| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 丁香五月婷婷动漫| 亚洲综合激情五月久久| 久久色天堂| 夜夜操夜夜操| 一起操 91N.com| 婷婷五月天成人基地| 婷婷色色综合| 婷色成人| 欧美成人AAA片一区国产精品| 色欲AVV| 蜜乳久AV| 天天做综合网色综合| 99热免费| 综合激情五月丁香9999久久精| 四虎成人精品永久免费AV九九| 日韩超碰在线| 噜啊噜在线| 丁香五月天狠狠操| 色播五月| 日本三级色| 五月丁香啪啪综合| 亚洲色图日韩网址| 婷婷五月天免费视频| 人人操人人看97干| 噜噜国产| 26UUU欧美激情一区二区| 色色色在线观看| 婷婷久久丁香五月| 丁香婷婷色九月| 色99视| 五月丁香综合激情| 激情九月天天天天婷婷| www.五月丁香| 国产ava| 色丁香五月天| 日韩在线99| 51XX午夜影福利| 狠狠爱婷婷丁香| 色色激情网| 9999三级片| 婷婷五月丁香久久| 久超超碰| 九九aV| site:pzdcoin.com| 婷婷91视频| 五月激情综合五月| 精品九九久久| 狠狠干综合网| 午夜九九九九九九九九九九九九九| 毛v一区二区视频| 五月丁香成人小说| 热99在线精品| 色色色色网| 蜜桃婷婷五月| 色啦啦视频| 日日爽日日操| 欧美日韩成人h| 色你久久| 国产婷婷色五月| 男人操女人高潮91视频| 色婷婷五月天不卡| 91久久免费| 五月婷婷av| 激情五月亚洲综合网| 五月婷婷综合天天操| www999日韩精品| 操一区| 99久久人妻精品无码二区| 激情五月视频| 9 99免费视频| 久久丁香五月天| 操一操| 超碰在线超碰| 黑人糟蹋人妻HD中文字幕| 日日夜夜小色哥| 丁香五月香蕉| 202丰满熟女妇大|