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。

MIT 6.5940 | TinyML 與高效 AI 計(jì)算 | Fall 2026 | 筆記 | Lecture 10:MCUNet: TinyML on Microcontrollers

MIT 6.5940 | TinyML 與高效 AI 計(jì)算 | Fall 2026 | 筆記 | Lecture 10:MCUNet: TinyML on Microcontrollers 目錄前言1. Lecture Plan2. What Is TinyML?3. Understanding the TinyML Challenges4. Tiny Neural Network Design4.1 MCUNet: Co-Designing Architecture and Inference Engine4.2 TinyNAS: Search Space Design4.3 Patch-based Inference4.4 The Halo Problem and Receptive-Field Redistribution4.5 MCUNetV2 Results and Insights5. Applications5.1 Tiny Vision5.2 Tiny Audio5.3 Tiny Time Series and Anomaly Detection6. Summary結(jié)語參考前言學(xué)習(xí) MIT 韓松教授講授的 MIT 6.5940: Tiny ML and Efficient AI Computing 課程本篇文章記錄第十講MCUNet的學(xué)習(xí)內(nèi)容和大家一起分享交流Websitehttps://hanlab.mit.edu/courses/2026-fall-65940Videohttps://www.youtube.com/playlist?listPLH7PIPKvCm381. Lecture Plan今天我們要講第十講MCUNet 與 TinyML。我們會通過一個非常詳細(xì)的例子看看如何為微控制器上的極小規(guī)模模型做模型壓縮與部署。我們會用到前面幾講討論過的所有技術(shù)比如量化、剪枝、神經(jīng)架構(gòu)搜索和蒸餾。這是今天的安排首先討論什么是 TinyML以及 TinyML 面臨的挑戰(zhàn)和困難比如如何壓縮模型、如何把它塞進(jìn)微控制器。然后我們會講神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)結(jié)合神經(jīng)架構(gòu)搜索技術(shù)。最后講 TinyML 的一些應(yīng)用比如視覺應(yīng)用、音頻應(yīng)用還有異常檢測。2. What Is TinyML?我們先從一個很簡單的問題開始。什么是 TinyML為什么我們要把深度學(xué)習(xí)網(wǎng)絡(luò)放到那么小的微控制器上運(yùn)行這張圖我們在第一講里討論過今天的 AI 系統(tǒng)可以非常龐大、非常昂貴。模型的參數(shù)越來越多、GPU 也在變大但今天的前沿模型遠(yuǎn)比這還要大。即使在 2020 年發(fā)布的 GPT-3也已經(jīng)有 1750 億參數(shù)訓(xùn)練大約需要超過 300 個 GPU 年估計(jì)成本 460 萬美元。而 TinyML 的工作點(diǎn)完全不同低能耗、低延遲、低成本還有更好的隱私保護(hù)。在傳統(tǒng)的云端 AI 模式下設(shè)備會把數(shù)據(jù)上傳到遠(yuǎn)程服務(wù)器服務(wù)器執(zhí)行模型推理比如做預(yù)測。這樣我們能用到強(qiáng)大的云端算力比如這里最新的 GPU但它也帶來了通信延遲、額外成本而且你需要把個人數(shù)據(jù)上傳到云服務(wù)器這可能引發(fā)隱私問題。移動 AI 把一部分計(jì)算從云端移到智能手機(jī)上把大部分推理負(fù)載保留在本地設(shè)備、本地計(jì)算資源上能更好地保護(hù)隱私。不過智能手機(jī)仍有數(shù) GB 內(nèi)存計(jì)算資源也比微控制器多得多。那我們的問題是能不能再進(jìn)一步能不能超越移動 AI能不能在只有幾百 KB 片上內(nèi)存的微型設(shè)備上運(yùn)行有實(shí)際意義的神經(jīng)網(wǎng)絡(luò)為什么要 Tiny AI為什么要把 AI 模型跑在微控制器上而不是手機(jī)或云端 GPU 上一方面是我們討論過的隱私問題另一方面用微控制器我們可以做到更低的成本、更低的能耗而且?guī)缀蹩梢圆渴鹪谌魏蔚胤奖热鐐€人健康監(jiān)測器、個人檢測設(shè)備以及各種制造場景。微控制器遍布全世界全球已有數(shù)十億臺 IoT 設(shè)備在使用微控制器。在這些平臺上部署神經(jīng)網(wǎng)絡(luò)可以把智能直接帶到傳感器、不同應(yīng)用、不同機(jī)器和嵌入式系統(tǒng)上。它還能大幅降低成本GPU 可能要幾十萬到上百萬美元而微控制器非常便宜。這種低成本讓 AI 能力可以用在那些沒有智能手機(jī)、服務(wù)器或可靠網(wǎng)絡(luò)、或者部署不實(shí)用的場景里。它還能幫我們省電實(shí)現(xiàn)“綠色 AI”。微控制器通常功耗很低工作在毫瓦級。這讓始終在線的檢測與感知成為可能而不會很快耗盡設(shè)備電量也支持由小電池或能量采集供電的應(yīng)用。這些特性打開了廣泛的應(yīng)用場景比如智能家居、制造業(yè)的自動化檢測、個性化醫(yī)療還有精準(zhǔn)農(nóng)業(yè)等等。在資源極其受限的場景中引入智能挑戰(zhàn)在哪里關(guān)鍵挑戰(zhàn)是把有用的模型塞進(jìn)極小的硬件預(yù)算里也就是極低的算力、極低的內(nèi)存帶寬和極低的存儲。在這張表里可以看到即使是很老的云端 GPU 比如 Tesla V100也有 32 GB 的顯存而且部署在云集群里會有 TB 級的磁盤存儲。移動 AI 通常有 4 GB 到 32 GB 的內(nèi)存存儲大約 250 GB 或稍大一些。而 TinyML 的典型微控制器要小得多通常只有大約 300 KB 的片上 SRAM 用于計(jì)算、存放激活值存儲方面大約 1 MB 的 flash用于存放模型權(quán)重和程序。這里有數(shù)個數(shù)量級的差距激活內(nèi)存也就是用于深度學(xué)習(xí)網(wǎng)絡(luò)激活值的片上內(nèi)存大約只有云端 AI 的 1/13,000存儲大約只有 1/100,000。所以為 GPU 或手機(jī)設(shè)計(jì)的模型不能輕易適配到微控制器這樣的 TinyML 設(shè)備上。因此我們需要同時減小內(nèi)存占用減少激活值這樣模型才能逐層運(yùn)行而不撐爆片上內(nèi)存同時減少模型權(quán)重因?yàn)?flash 只有 1 MB 存儲。如果模型太大比如有 2 MB就沒法存到微控制器上??偨Y(jié)一下TinyML 通常受延遲和能耗約束也有內(nèi)存約束。在這種場景下我們需要同時減小模型的激活值和權(quán)重大小才能把它塞進(jìn) SRAM 和 flash。面對這種不同的設(shè)定我們需要同時改變模型架構(gòu)設(shè)計(jì)和系統(tǒng)優(yōu)化。3. Understanding the TinyML Challenges下面我們先看看卷積神經(jīng)網(wǎng)絡(luò)在微控制器上運(yùn)行時權(quán)重內(nèi)存和激活內(nèi)存分別用在哪里??紤]一個卷積層它先讀入激活值把卷積核作用在上面得到輸出激活值。要理解網(wǎng)絡(luò)的權(quán)重在做什么我們需要知道推理過程中激活值和權(quán)重分別存在哪里。通常推理運(yùn)行時我們把輸入和輸出激活值存放在 SRAM 里而卷積核在推理期間是固定的所以可以存在非易失的 flash 中在需要時讀取。如果你還記得像 Arduino Nano 33 BLE Sense 這樣的微控制器有 256 KB SRAM 和 1 MB flash。另一個例子是STM32 F746ZG—過去幾年非常流行的一款商用微控制器有 320 KB SRAM 和 1 MB flash。我們的任務(wù)是設(shè)計(jì)一個能跑在這些微控制器上的模型輸入和輸出激活值要小于 SRAM模型權(quán)重也要能存進(jìn) flash。粗略估算時flash 通常用來存模型所以在評估模型能否存進(jìn)微控制器時我們要計(jì)算靜態(tài)模型大小而 SRAM 使用量通常按輸入激活加輸出激活來考慮。它是動態(tài)的因?yàn)椴煌瑢拥奶卣鲌D大小不同我們只關(guān)心整個推理過程中的峰值 SRAM。比如在卷積網(wǎng)絡(luò)的早期層激活圖可能非常大所以早期層的 SRAM 消耗更高而后面層的 SRAM 壓力會小得多。這是不同網(wǎng)絡(luò)激活峰值 SRAM 的分析結(jié)果。我們有 ResNet-50也有 MobileNet V2。即使 MobileNet V2 是為移動設(shè)備部署優(yōu)化的它的峰值 SRAM、最大激活仍然非常大可能是片上預(yù)算的 22 倍。即使做量化最大激活、最大 SRAM 使用量仍然遠(yuǎn)大于設(shè)備 320 KB 的約束。如果我們把 MobileNet V2 和 ResNet-18 比較MobileNet V2 的參數(shù)量已經(jīng)比 ResNet-18 小得多但激活值其實(shí)略大峰值激活甚至比 ResNet-18 還高。也就是說它是為移動部署優(yōu)化的卻不是為 TinyML 部署優(yōu)化的尤其是在微控制器上。這會導(dǎo)致一個很嚴(yán)重的問題SRAM 與 flash 都會成為推理的整體瓶頸。在 MCUNet 中我們會同時處理這兩個約束既減小模型大小也設(shè)計(jì)峰值激活內(nèi)存更低的網(wǎng)絡(luò)。TinyML 模型必須同時適配 flash 和 SRAM因?yàn)槌^任何一個預(yù)算模型都無法在微控制器上運(yùn)行。4. Tiny Neural Network Design帶著硬件約束我們來研究如何專門為端側(cè)部署設(shè)計(jì)網(wǎng)絡(luò)。MCUNet 是我們研究組之前的工作采用算法-系統(tǒng)協(xié)同設(shè)計(jì)。4.1 MCUNet: Co-Designing Architecture and Inference Engine傳統(tǒng)上人們通常只優(yōu)化神經(jīng)網(wǎng)絡(luò)架構(gòu)或者只優(yōu)化推理引擎。但在 MCUNet 中模型架構(gòu)和推理引擎是一起設(shè)計(jì)的這樣能同時利用兩邊的優(yōu)勢用協(xié)同設(shè)計(jì)的方式演進(jìn)比只優(yōu)化一邊高效得多。這是對我們討論過的神經(jīng)架構(gòu)搜索的簡要回顧。這是一種常見的做法用來優(yōu)化可部署在資源受限場景中的模型保持軟件或者說推理庫不變優(yōu)化模型架構(gòu)。這里的例子有 ProxylessNAS 和 MnasNet展示了神經(jīng)架構(gòu)搜索的有效性。另一條研究路線是給定輸入模型如何相應(yīng)地優(yōu)化推理引擎一個非常重要的例子是TVM它可以在給定神經(jīng)網(wǎng)絡(luò)的情況下調(diào)優(yōu)深度學(xué)習(xí)庫在不改變模型架構(gòu)的前提下優(yōu)化推理效率。而MCUNet 把兩個方向的優(yōu)化結(jié)合起來它協(xié)同設(shè)計(jì)高效的神經(jīng)網(wǎng)絡(luò)架構(gòu)和高效的編譯器、運(yùn)行時。這樣就把設(shè)計(jì)空間擴(kuò)展到比以往單純的模型搜索或推理庫、編譯器優(yōu)化更大。MCUNet 框架有兩個主要組件第一是 TinyNAS搜索能適配目標(biāo)硬件的神經(jīng)架構(gòu)比如我們今天反復(fù)提到的微控制器第二是 TinyEngine它編譯搜索得到的模型并在目標(biāo)設(shè)備上高效執(zhí)行。兩個組件互相反饋可以迭代得越來越好。TinyNAS 在評估候選架構(gòu)時通常使用真實(shí)的系統(tǒng)約束TinyEngine 則圍繞最終網(wǎng)絡(luò)用到的算子和內(nèi)存訪問模式做優(yōu)化。4.2 TinyNAS: Search Space Design本講我們主要關(guān)注 TinyNAS 和神經(jīng)網(wǎng)絡(luò)的自動化設(shè)計(jì)推理引擎會在后面的講座里討論。TinyNAS 建立在我們已經(jīng)很熟悉的神經(jīng)架構(gòu)搜索之上。人工設(shè)計(jì)架構(gòu)嚴(yán)重依賴人類專業(yè)知識而 NAS 會用機(jī)器學(xué)習(xí)和計(jì)算以更高效的方式探索不同候選。一個重要的問題是搜索應(yīng)該在哪里進(jìn)行或者說TinyML 的搜索空間是什么這張圖說明搜索空間的質(zhì)量在很大程度上決定了最終網(wǎng)絡(luò)的質(zhì)量。比如你的搜索空間不好即使有很強(qiáng)的神經(jīng)架構(gòu)搜索算法也找不到足夠好、令人滿意的結(jié)果。那如果我們有好的搜索空間也有好的搜索算法就能為精度和效率找到非常好的最終網(wǎng)絡(luò)。簡單地復(fù)用移動網(wǎng)絡(luò)的搜索空間對 TinyML 是行不通的因?yàn)橘Y源約束差別非常大手機(jī)上幾 GB 和微控制器上幾百 KB 之間的鴻溝會讓整個情形完全不同。甚至最小的移動網(wǎng)絡(luò)也無法在微控制器上運(yùn)行因?yàn)樗膮?shù)太多、激活值太大塞不進(jìn)微控制器的設(shè)備內(nèi)存。所以我們需要選擇不同的搜索空間專門為微控制器、為 IoT 設(shè)備設(shè)計(jì)。挑戰(zhàn)在于如何縮放架構(gòu)讓空間里包含足夠有能力的模型能夠滿足 SRAM 和 flash 約束。對于 MobileNet 這類模型家族兩個有用的縮放維度是輸入分辨率和寬度乘子這里用 R 和 W 表示。R 表示分辨率比如輸入是 224×224R 就是 224。W 是施加在模型通道數(shù)上的乘子W 越大可以想象模型的寬度、通道數(shù)就越大。對于智能手機(jī)典型的起點(diǎn)是 R 224、W 1.0。同一個架構(gòu)家族可以放大到更強(qiáng)的硬件比如云端 GPU那里分辨率更大、寬度乘子也更大。而對于微控制器我們要往相反方向縮放因?yàn)橄MP透?、更容易塞進(jìn)設(shè)備內(nèi)存。不同設(shè)備提供的 SRAM 和 flash 約束不同所以微控制器的神經(jīng)架構(gòu)設(shè)計(jì)沒有簡單的“最優(yōu)解”。TinyNAS 會針對每個硬件預(yù)算獨(dú)立選擇這些取值。這引出了兩階段流程首先在目標(biāo)內(nèi)存和存儲約束下優(yōu)化、設(shè)計(jì)搜索空間然后在特定的搜索空間里搜索出最好的單個網(wǎng)絡(luò)。第一階段通常選擇較粗的縮放變量比如前面討論的分辨率和寬度乘子搜索空間縮小之后第二階段搜索細(xì)節(jié)架構(gòu)比如不同的卷積核大小、不同的擴(kuò)展比以及每個階段的 block 數(shù)量。這就是在給定分辨率和寬度乘子下進(jìn)行模型架構(gòu)設(shè)計(jì)。這里有一個有意思的觀察在相同內(nèi)存約束下我們希望模型有更多的 FLOPs—FLOPs 越大模型容量越大也更有可能取得更高精度。圖中這些曲線分別對應(yīng)不同的搜索空間但都處在相同的內(nèi)存約束下如果搜索空間好我們就能有更大的 FLOPs也能有更高的精度而搜索空間不好時平均 FLOPs 會低得多精度也會比好的設(shè)計(jì)低得多。這張網(wǎng)格圖展示了不同設(shè)計(jì)選擇之間的另一個關(guān)系??梢钥吹饺绻?SRAM 大小相同、flash 更大我們就能有更多參數(shù)因?yàn)槟P涂梢愿笕绻?flash 大小相同、增大 SRAM就意味著可以有更寬的激活通道模型容量更大??偨Y(jié)一下如圖中所示如果 SRAM 固定分辨率可能需要降低以補(bǔ)償更寬的激活值SRAM 更大則允許更大的激活圖所以分辨率可以提高而寬度仍然大致受不變的 flash 容量約束。如果搜索空間已經(jīng)確定TinyNAS 會使用帶權(quán)重共享的 once-for-all NAS訓(xùn)練一個超網(wǎng)絡(luò)采樣不同的子網(wǎng)再一起微調(diào)。較小的子網(wǎng)絡(luò)嵌套在較大的子網(wǎng)絡(luò)中所以一次訓(xùn)練過程就能得到許多硬件專用的網(wǎng)絡(luò)。比如設(shè)備內(nèi)存較小就選較小的子網(wǎng)部署片上內(nèi)存更多就可以用更大、參數(shù)更多的網(wǎng)絡(luò)。所有這些網(wǎng)絡(luò)都能在同一個超網(wǎng)絡(luò)中一次性訓(xùn)練完成。這是不同子網(wǎng)嵌套在超網(wǎng)絡(luò)中的演示。與 MobileNetV2 的對比很能說明問題MobileNetV2 的峰值激活內(nèi)存可能達(dá)到平均值的兩倍而 TinyNAS 里這個差距小得多各層的峰值內(nèi)存更均勻—因?yàn)樗阉鞒龅木W(wǎng)絡(luò)通常會在不同 block 之間更均勻地使用內(nèi)存。這正是我們想要的因?yàn)槿绻逯祪?nèi)存遠(yuǎn)大于平均值就意味著大多數(shù)層沒有充分利用設(shè)備內(nèi)存。而如果分布更均勻每一層都能最大化利用設(shè)備內(nèi)存模型容量更大、精度更好。結(jié)果TinyNAS 取得了更好的精度-效率權(quán)衡。在VWW—視覺喚醒詞—數(shù)據(jù)集上任務(wù)就是檢測給定圖像里有沒有人MCUNet 相比人工設(shè)計(jì)和早期 NAS 模型在精度高得多的同時峰值 SRAM 顯著更少、實(shí)測延遲更低。4.3 Patch-based Inference現(xiàn)在我們更仔細(xì)地回顧激活內(nèi)存SRAM 使用量逐層變化所以正如之前所說決定網(wǎng)絡(luò)能否跑起來的是峰值而不是平均值。比如這張圖里峰值內(nèi)存大約有 1300 KB塞不進(jìn)只有 250 KB 或 320 KB 的微控制器。這個峰值對本地部署來說太大了。而到了后面的層SRAM 占用就遠(yuǎn)低于某些微控制器 256 KB 的約束了。那問題是能不能降低前幾層的峰值內(nèi)存從而把更強(qiáng)的模型塞進(jìn)微控制器解決方案就是我們針對早期層超大內(nèi)存消耗所做的這兩項(xiàng)優(yōu)化。在傳統(tǒng)卷積中我們用逐層推理即基于給定輸入計(jì)算完整的輸出。比如給定很大的輸入特征圖你需要在每個位置應(yīng)用卷積核得到一個很大的輸出特征圖。不過根據(jù)卷積的特性我們可以一塊一塊地patch by patch做卷積計(jì)算?;?patch 的推理改變了調(diào)度方式把大的激活值切分成更小的部分讓一個 patch 先穿過前幾層再處理下一個 patch。結(jié)果就是每次卷積推理時—尤其是早期層—我們只處理原特征圖的一部分所以峰值激活小得多。比如這張圖里我們把峰值激活降到了原來的約 1/4。再回頭看之前的柱狀圖用了 patch 推理后峰值內(nèi)存大幅下降可以塞進(jìn) 256 KB 的約束。我們還可以選擇不同的 patch 大小也就是把原始輸入特征圖切成多少塊并優(yōu)化這個參數(shù)讓模型能塞進(jìn)目標(biāo)內(nèi)存約束。同樣的思路也適用于不同網(wǎng)絡(luò)架構(gòu)。這些是在 STM32F746 微控制器上測得的一些峰值 SRAM 使用量。Q AQ把輸入特征圖切成不同的 patch 或塊會增加整體推理延遲嗎A對于如今的大規(guī)模云端 GPU這種操作肯定會引入大量開銷原來每層卷積只做一次前向現(xiàn)在要按 patch 數(shù)做很多次還可能有額外的冗余計(jì)算。但對微控制器來說設(shè)備受峰值內(nèi)存和算力的嚴(yán)格約束這類額外的控制開銷相對原始推理時間不算什么最大的問題反而是它引入的額外計(jì)算我們后面會討論如何解決。這一頁最重要的信息是原本無法在本地微控制器上運(yùn)行的模型現(xiàn)在因?yàn)榉逯祪?nèi)存降到了設(shè)備約束以下就能運(yùn)行了。我們回來繼續(xù)講。之前介紹的那款商用微控制器有 320 KB 片上 SRAM。原來的逐層推理會產(chǎn)生大約 315 KB 的峰值已經(jīng)非常接近硬性上限。即使是縮小后的 MobileNetV2—我們同時降低了分辨率和寬度—把輸入按 2×2 切 patch 來做推理也能大幅降低最大 SRAM 使用量為推理留出更多空間。Q AQpatch 推理時輸出激活是怎么處理的多個 patch 的結(jié)果在哪里合并A這是個很好的問題。做 patch 推理時我們不僅把輸入激活切成不同的 patch也同時切分輸出激活因?yàn)樵谧鼍矸e時如果只對左上角那塊做卷積輸出特征圖也只有原來的四分之一。但在幾層之后因?yàn)?CNN 中有下采樣特征圖的尺寸會遠(yuǎn)小于原始尺寸。一旦特征圖足夠小我們就可以保留這個 patch 的輸出開始下一個 patch 的推理。聚合只發(fā)生在幾層之后的輸出層因?yàn)槟菚r特征圖已經(jīng)足夠小這樣輸入和輸出尺寸都能減小。對不同模型在卷積中應(yīng)用逐 patch 推理都能帶來一致的內(nèi)存節(jié)省尤其是在輸入激活圖非常大的前幾層。4.4 The Halo Problem and Receptive-Field Redistribution這里還有一個 patch 推理的問題我們稱之為 halo光環(huán)問題。如果按 2×2 切 patch只輸入左上角那四分之一就會漏掉邊界上的一些元素原始卷積層—比如對于這個輸出元素假設(shè)有 3×3 卷積核—實(shí)際上會用上一些當(dāng)前 patch 中不存在的元素這就引入了 halo 問題。而且隨著傳播到更多層卷積的感受野會大得多所需的 halo 更寬重復(fù)的卷積計(jì)算量也會逐層增加。比如假設(shè)卷積核是 3×3要迭代三層每層 halo 會在每條邊上向外擴(kuò)一個元素三層之后特征圖的寬和高都會比原始尺寸大 6。這類問題會引入大量冗余計(jì)算因?yàn)橐?patch 推理時我們不想改變最終輸出不想犧牲正確性或精度所以必須考慮第一層輸入激活中所有這些感受野。因此把原始特征圖切成不同塊時不同 patch 之間會有重疊。如果層數(shù)太多感受野可能非常大甚至與原始特征圖相當(dāng)這不是我們想要的因?yàn)闀氪罅咳哂嘤?jì)算。halo 區(qū)域里的元素會在覆蓋它的所有 patch 中被計(jì)算多次。所以我們在 MCUNetV2 中引入了另一種優(yōu)化用來重新分配感受野。標(biāo)準(zhǔn) MobileNet V2 架構(gòu)里有很多 3×3 卷積塊—這是 MobileNet 的卷積塊可以把它理解為一個卷積子網(wǎng)絡(luò)。核大小為 3×3 時可以想象隨著推理層數(shù)增加感受野會變得很大。而在 MCUNetV2 中我們重新分配了這種感受野早期層多用 1×1 逐點(diǎn)卷積、少用 3×3 空間卷積包括深度卷積這樣模型早期層的感受野不會增長太快而在后面的層我們做更多的空間卷積來增大感受野。因?yàn)槟抢飯D像大小、激活大小已經(jīng)很小可以引入更大的卷積核并且可以用逐層推理代替 patch 推理就不會有冗余計(jì)算問題同時也補(bǔ)償了前幾層減少的感受野。這種在前幾層減小感受野、在后面層補(bǔ)償?shù)脑O(shè)計(jì)能在保持精度的同時讓 patch 推理的額外開銷小到可以忽略。最后這兩個方法—神經(jīng)架構(gòu)和推理調(diào)度—是聯(lián)合搜索的。架構(gòu)搜索的選項(xiàng)包括深度、寬度、卷積核大小等很多設(shè)計(jì)空間調(diào)度則包括 patch 的數(shù)量以及前多少層使用 patch 推理。TinyEngine 會貢獻(xiàn)額外的系統(tǒng)級選擇讓推理更高效并且無需太多人工工程開銷就能適配微控制器。4.5 MCUNetV2 Results and Insights剛才我們講了 MCUNetV2 中的優(yōu)化技術(shù)比如 patch 推理也簡單提到了推理優(yōu)化和推理引擎用于把模型部署到微控制器上?,F(xiàn)在來看 MCUNetV2 的一些實(shí)際應(yīng)用。首先這張圖展示了 MCUNetV2 把內(nèi)存需求降低了大約 30 KB同時保持 90% 的精度。在固定精度下由于前面講的優(yōu)化它的 SRAM 用量大約只有第一代 MCUNet 的 1/4。這種改進(jìn)不僅限于 VWW 這樣的行人檢測數(shù)據(jù)集也提升了在 SRAM 非常有限的設(shè)備比如前面說的 256 KB 片上內(nèi)存上的 ImageNet 分類在同樣約束下還在 Pascal VOC 目標(biāo)檢測上帶來更大收益。我們可以檢視搜索出來的 MCUNetV2 架構(gòu)理解自動神經(jīng)架構(gòu)搜索做出的設(shè)計(jì)決策。早期層使用基于 patch 的推理因?yàn)檩斎雸D很大后面的層回到普通的逐層執(zhí)行因?yàn)樘卣鲌D已經(jīng)足夠小不需要再切成 patch。在早期的 patch 階段搜索選擇了不同的、更小的核尤其是 1×1 卷積和深度卷積核來減小感受野增長從而減少前面提到的 halo 問題帶來的重復(fù)計(jì)算。這也證明了推理與模型架構(gòu)協(xié)同設(shè)計(jì)的有效性我們知道推理瓶頸是 SRAM 的峰值內(nèi)存所以引入 patch 推理而 patch 推理有冗余計(jì)算、感受野增大的挑戰(zhàn)所以我們在早期層引入更小的卷積核讓整個優(yōu)化循環(huán)不斷演進(jìn)為特定應(yīng)用產(chǎn)出更好的模型架構(gòu)和推理引擎。在中間階段擴(kuò)展比保持得很小空間分辨率仍然可觀所以在這里激進(jìn)的擴(kuò)展通道會重新造成巨大的內(nèi)存峰值。層名里的 MB4 就表示擴(kuò)展比很小。在后面的階段分辨率已經(jīng)通過大量下采樣大幅降低所以網(wǎng)絡(luò)可以使用更大的擴(kuò)展比有更多通道來提升模型容量從而帶來更多計(jì)算量和更好的精度而不會超出 SRAM 預(yù)算。由于引入了 patch 推理我們還能使用更大的輸入分辨率而不撞上內(nèi)存墻。這對分辨率敏感的任務(wù)很重要比如前面提到的 VWW在低分辨率下如果遠(yuǎn)處有人人可能非常小低分辨率圖像會損害模型檢測遠(yuǎn)處行人的性能。MCUNetV2 使用 160×160 的輸入而不是 128×128—后者是之前 MobileNet 版本的配置。所以 patch 推理讓我們能用更高的輸入分辨率帶來更好的模型性能。5. Applications現(xiàn)在我們已經(jīng)講完了 MCUNetV2 的主要設(shè)計(jì)和主要技術(shù)。接下來看看不同的應(yīng)用。我們先講一些視覺應(yīng)用然后講 TinyML 中非常重要的音頻場景最后講時間序列尤其是異常檢測。5.1 Tiny Vision在早期的微控制器演示中我們通常分類簡單的物體比如蘋果、香蕉、橙子等等。而物體的顏色能提供很多信息是分類的強(qiáng)信號。比如看到紅色的東西它更可能是蘋果而不是香蕉或橙子。有了 MCUNet我們可以超越這些玩具例子在商用微控制器上跑真正 ImageNet 級別的分類。想象一下我們現(xiàn)在能在極小的微控制器上做 ImageNet 級分類—再次強(qiáng)調(diào)這個設(shè)備的片上內(nèi)存只有幾百 KB、總存儲只有 1 MB。在這項(xiàng)對比中MCUNet 是第一個在商用微控制器上實(shí)現(xiàn)超過 70% ImageNet top-1 精度的系統(tǒng)。不同設(shè)備的 SRAM 和 flash 限制不同所以我們在 MCUNet 中使用的 once-for-all 訓(xùn)練策略可以一次訓(xùn)練、特化出不同的子網(wǎng)絡(luò)部署到不同目標(biāo)約束、不同類型的商用微控制器上。這里是針對 VWW 基準(zhǔn)的實(shí)際微型視覺任務(wù)檢測是否有人在場。它相當(dāng)于語音喚醒詞的視覺版本。一個小的始終在線模型可以持續(xù)監(jiān)測畫面里是否有人進(jìn)入檢測區(qū)域而不用昂貴的、始終運(yùn)行的人臉識別模型這樣就能讓模型一直在微控制器上運(yùn)行而不會過快耗光設(shè)備電量同時節(jié)省能耗、降低設(shè)備成本也有助于保護(hù)隱私。這是微控制器上的演示畫面里是 MIT 36 號樓或 38 號樓的電梯—有人時亮紅燈人走了就亮綠燈。目標(biāo)檢測是另一類應(yīng)用相比分類任務(wù)它對輸入分辨率更敏感因?yàn)樾枰龀砻艿目臻g預(yù)測。降低分辨率會嚴(yán)重?fù)p害檢測精度正如圖中所示分辨率越低精度越低。我們的 patch 推理技術(shù)打破了激活內(nèi)存瓶頸讓微控制器能處理大得多的輸入從而在目標(biāo)檢測任務(wù)上獲得更好的精度。這是口罩檢測的演示戴口罩的人畫綠框不戴口罩的畫紅框。這是疫情期間一個很有意思的演示。右邊還有行人檢測演示會用框把攝像頭中的人框出來。定量結(jié)果說明了分辨率為什么重要與基線相比基于 patch 的推理找回了漏檢的人并減少了若干誤檢。可以看到兩個例子里MCUNet 在高分辨率下檢測得更好模型在同樣的 SRAM 預(yù)算內(nèi)看到了更多細(xì)節(jié)??醋筮呥@個人因?yàn)榉直媛实蜎]有被模型檢測到而這個檢測就好得多。此外我們甚至可以在同樣的內(nèi)存預(yù)算下做訓(xùn)練或微調(diào)而不只是在微控制器上做推理。想象一下現(xiàn)在我們用 256 KB 內(nèi)存訓(xùn)練一個模型。這個例子里我們有一個微控制器和一個圖像分類模型用微控制器拍攝不同物體的幾張照片訓(xùn)練之后模型就能區(qū)分兩種不同物體—橙子和香蕉。采集過程中紅色代表香蕉、綠色代表橙子。經(jīng)過若干訓(xùn)練樣本、若干微調(diào)樣本后把攝像頭對著香蕉屏幕會顯示這是香蕉并亮紅燈如果是橙子就顯示綠色。微型視覺的例子就講到這里。我們講了分類、目標(biāo)檢測甚至端側(cè)訓(xùn)練等不同應(yīng)用。5.2 Tiny Audio接下來講 TinyML 音頻和關(guān)鍵詞識別應(yīng)用。音頻是 TinyML 另一個非常重要的工作負(fù)載應(yīng)用包括關(guān)鍵詞識別、語音識別和噪聲消除。這些任務(wù)受益于始終在線、低功耗的處理不需要持續(xù)把麥克風(fēng)數(shù)據(jù)發(fā)到云端你還能獲得更好的隱私。關(guān)鍵詞識別流水線會把波形切成重疊的幀再把每一幀變換成頻域特征。這里有語音波形切成不同幀后轉(zhuǎn)成頻譜圖。這個頻譜圖會輸入到某個模型中神經(jīng)網(wǎng)絡(luò)就可以預(yù)測不同關(guān)鍵詞的概率比如 yes、no、on、off 等等。全連接 DNN 會忽略這種時頻表示中的局部結(jié)構(gòu)而卷積神經(jīng)網(wǎng)絡(luò)能利用相鄰時間幀、相鄰頻率之間的相關(guān)性還能處理不同說話風(fēng)格帶來的小幅偏移。所以在相近的計(jì)算預(yù)算下CNN 在這類關(guān)鍵詞識別任務(wù)上比傳統(tǒng) DNN 效果好得多。MCUNet 進(jìn)一步把同樣的硬件感知約束和協(xié)同設(shè)計(jì)理念推廣到語音命令領(lǐng)域在搜索中引入真實(shí)的硬件刻畫從而在關(guān)鍵詞識別任務(wù)中在精度、效率和模型大小之間找到更好的權(quán)衡。相比 MobileNetV2 等現(xiàn)有網(wǎng)絡(luò)我們精度更好、延遲更小。5.3 Tiny Time Series and Anomaly Detection最后我們來看 TinyML 在時間序列分析和異常檢測中的應(yīng)用。異常檢測在很多應(yīng)用中非常重要尤其是制造業(yè)質(zhì)檢我們也把它用于健康監(jiān)測、欺詐或攻擊檢測。目標(biāo)是學(xué)習(xí)正常數(shù)據(jù)的模式把偏離已學(xué)習(xí)模式的輸入標(biāo)記出來這樣當(dāng)模型收到異常的輸入時就能發(fā)出警告。這里簡要介紹自編碼器它包含編碼器和解碼器。編碼器把高維輸入壓縮成低維的潛在表示解碼器再從這個潛在表示重建出輸出輸出應(yīng)該與原始輸入非常相似—這就是自編碼器的目標(biāo)。借助這個信息瓶頸我們可以訓(xùn)練出一個非常有用的編碼器來壓縮、編碼原始輸入。訓(xùn)練時我們最小化正常樣本上的重建誤差。推理時正常輸入能很好地重建而異常輸入會產(chǎn)生很大的誤差我們就可以用這個誤差做異常檢測。自編碼器如今也被廣泛用于不同的領(lǐng)域比如圖像生成、視覺語言模型我們會在后面的講座中討論。這里我們主要討論它在異常檢測中的應(yīng)用。它對這個任務(wù)有兩個有用的性質(zhì)。首先訓(xùn)練可以是無監(jiān)督的因?yàn)槲覀儾恍枰肴魏萎惓颖?、異常?biāo)簽—有時異常樣本的標(biāo)簽比正常樣本難獲得得多。這個例子里我們主要在正常樣本上訓(xùn)練自編碼器學(xué)到一個特定于正常訓(xùn)練分布的表征。最后我們用它在評估任務(wù)上做重建如果有不正常的樣本最終輸出會有很大差異于是我們就能報告異常。這里是運(yùn)轉(zhuǎn)風(fēng)扇異常檢測的演示。這是微控制器風(fēng)扇正在運(yùn)轉(zhuǎn)。如果用螺絲刀去干擾風(fēng)扇這里就會亮起黃色的警告燈把螺絲刀拿走黃燈就熄滅。搖晃風(fēng)扇時警告燈也會亮起?,F(xiàn)在警告燈是亮的因?yàn)轱L(fēng)扇在晃。它會熄滅—現(xiàn)在滅了因?yàn)樗謴?fù)正常狀態(tài)了。6. Summary今天的課差不多就到這里??偨Y(jié)一下我們把深度學(xué)習(xí)帶到了資源極其受限的設(shè)備上這里有很多約束比如計(jì)算約束和內(nèi)存約束。今天的課我們主要討論如何壓縮和部署模型到非常有限的片上內(nèi)存中比如微控制器的 250 KB SRAM。我們還講了 MCUNet 的系統(tǒng)-算法協(xié)同設(shè)計(jì)以及 MCUNetV2 的基于 patch 的推理。這些技術(shù)讓實(shí)用的視覺、音頻和異常檢測應(yīng)用可以直接跑在微控制器上。你可以讓始終在線的微控制器在日常生活中承擔(dān)各種監(jiān)測任務(wù)。結(jié)語第十講把前面所有的武器—量化、剪枝、NAS、蒸餾—收攏成一個完整的案例MCUNet。它先回答了為什么要 TinyML云端 AI 有通信延遲、成本和隱私問題手機(jī)雖然能本地推理但仍有數(shù) GB 內(nèi)存而微控制器只有約 300 KB SRAM 和 1 MB flash—激活內(nèi)存只有前者的約 1/13,000、存儲約 1/100,000。更麻煩的是這兩個預(yù)算要同時滿足激活值放在 SRAM、權(quán)重放在 flash任何一邊溢出模型就根本跑不起來。這一講還用數(shù)據(jù)戳破了一個幻覺MobileNet V2 雖然是為移動端優(yōu)化的參數(shù)量比 ResNet-18 小得多峰值激活卻反而略大其峰值 SRAM 甚至可能是片上預(yù)算的 22 倍。于是問題被定義得很清楚既要更小的權(quán)重又要更低的峰值激活。MCUNet 的答案是算法-系統(tǒng)協(xié)同設(shè)計(jì)TinyNAS 負(fù)責(zé)搜架構(gòu)、TinyEngine 負(fù)責(zé)編譯與執(zhí)行兩者互相反饋。TinyNAS 先解決在哪搜—直接把移動端的搜索空間搬過來是不行的得為微控制器重新設(shè)計(jì)它用分辨率 R 和寬度乘子 W 做粗縮放兩階段地從粗到細(xì)搜索而判斷空間好壞的標(biāo)準(zhǔn)很漂亮相同內(nèi)存約束下 FLOPs 越大模型容量和精度越可能高。再配上 once-for-all 的權(quán)重共享一次訓(xùn)練就能給不同 SRAM/flash 預(yù)算切出嵌套子網(wǎng)而且搜出來的網(wǎng)絡(luò)在各 block 間的峰值內(nèi)存更均勻把設(shè)備內(nèi)存用滿。MCUNetV2 則盯住了新的瓶頸—前幾層的峰值激活patch 推理把大特征圖切塊、逐塊穿過早期層峰值激活降到約 1/4256 KB 的內(nèi)存終于放得下代價是 halo 問題—patch 之間要重疊、感受野逐層增長會帶來重復(fù)計(jì)算于是又反過來調(diào)整架構(gòu)早期層改用更小的 1×1 與深度卷積把感受野的補(bǔ)償留到分辨率已經(jīng)降下來的后層。架構(gòu)與調(diào)度聯(lián)合搜索之后同等精度下 SRAM 用量只有原來的約 1/4還能把輸入分辨率提到 160×160。這些技術(shù)讓微控制器真正有了實(shí)用價值第一個在商用 MCU 上把 ImageNet top-1 做到 70% 以上的系統(tǒng)VWW 可以一直在線地檢測有沒有人電梯里有人亮紅燈、無人亮綠燈的演示都安排上了目標(biāo)檢測對分辨率敏感patch 推理恰好找回了低分辨率下漏檢的行人甚至還能在 256 KB 內(nèi)存上做端側(cè)訓(xùn)練拍幾張照片就能分清橙子和香蕉。音頻側(cè)的關(guān)鍵詞識別把波形切幀、轉(zhuǎn)成頻譜圖再喂給 CNNMCUNet 把硬件刻畫帶進(jìn)搜索精度更好、延遲更小時間序列側(cè)則用自編碼器做無監(jiān)督異常檢測—正常樣本重建誤差小、異常樣本誤差大風(fēng)扇被螺絲刀一干擾就亮起黃燈?;剡^頭看這一講像一次收網(wǎng)剪枝、量化、NAS、蒸餾各自解決一個維度而只有把它們放進(jìn)同一個協(xié)同設(shè)計(jì)的循環(huán)幾百 KB 的芯片才真正裝得下智能。下一講我們將講解 TinyEngine 和并行處理 。參考https://hanlab.mit.edu/courses/2026-fall-65940https://www.youtube.com/playlist?listPLH7PIPKvCm38
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
黄色片avv| 大香蕉五月天婷婷| 国产精品一区在线观看你懂的| 岛国AV网| 婷婷在线中文字幕| 婷婷色情五月| 99热免费精品热久久66| 激情婷婷五月天日本系列| 天天爽,夜夜爽| 色色激情网| 色色a| A片试看50分钟做受视频| 欧美黄色一级录像| www.色9| 色情五月综合婷婷| 五月婷婷六月奇米网丁香| 久久99性爱| 五月婷啪啪| 日本天天色| 91狼友视频网页更新| 98国产精品综合一区二区三区| 婷婷色综合| 少妇AB又爽又紧无码网站 | 丁香五月激情婷婷| 婷婷六月伊人| 91ncom.色| 97精品人人A片免费看| 大鸡巴伊人网| 深爱丁香网| 日日撸日日操| 五月丁香久| 婷婷五月天成人网| 激情婷婷五月在线合集| 五月天婷婷社区久久综合| 五月婷婷综合热| 激情五月深爱婷婷| 精品久久99| 五月久久| 26uuu激情五月天| 99热在线看| 思思99热| 五月天婷婷操逼视频| 久这里只有精品99| 五月丁香啪综合| 白人荫道BBWBBB大荫道| 五月丁香色色网| 婷婷成人丁香色情基地30 | 99爽视频| 色综啪啪| 人人爽人人射-美女久久久久久久久久-成人AV| 丁婷婷五月天在线播放| 色播五月婷婷| 亚洲综合久| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 啪啪操操| 丁香五月婷婷乱| 天天日天天舔| 夜色.cnm| 五月激情久久综合| 久久思思热| 婷婷久久婷婷色五月| 欧美一级色| 国产综合网在线| 最近韩国日本免费高清观看| www.久久久.com| 激情性五月天免费小说视频| 99热这里只有精品3| 色婷婷五月丁香色| 色五月婷婷久久大| 免费做A爰片77777| 99色色热| 国产亚洲99久久精品| 婷婷五月a| 99aese| 99精品在线播放| 久久九九亚洲| 婷婷六月五月| 五月天激情亚洲| 色五月婷婷少妇人妻| 天堂久久精品| 国产日韩av片| 99热这里| 激情久久 婷婷| 婷婷五月久久| 激情人妻蜜夜系列区| 五月天色色激情综合| 激情五月婷婷五月丁香五月开心五月| 中文字幕综合色| 亚洲爱爱无码婷婷色五月| 亚洲超碰在线| 大香蕉久艹| 无码区婷婷五月花开| 欧美三级巜人妻互换| 性日本激情| 9久久久久| 国产精品A片在线| 丁香五月婷婷色综合基地| 五月天色色网站| 97艹| 激情综合网 激情五月天| 五月综合色| 我爱大香蕉| 思思热视频在线| 538在线精品| 丁香五月激情天AV无码| 思思久久99| 激情久久综合| 婷婷色六月| 久久综合五月天| 91大屁股精品| 98色花堂98t.R| 五月婷婷丁香六月| 成人av在线网站| 五月丁香婷婷综合视频| 四月婷婷五月丁香| 九九热欧美| 超碰在线免费9| 丁香婷婷激情六月五月开心| 日韩 中文 欧美| 综合99视频| 久久视频婷婷| 五月婷婷色综图片| 全亚洲最大的婷婷五月天网站COM| 日韩高清成人| 久久久婷婷| 日韩啪啪视频| caopeng超碰| 丁香五月婷婷超碰在线| 九九色中文| 欧美在线骚货| 五月WWW| www久视频com| 丁香六月激情国产| 秋霞少妇毛片| 久久久91| 色综合播放| 伊人综合网站| 婷婷色网站| 九九综合网| 激情色情五月天| 在线观看国产高清视频免费网站| 五月丁香婷婷激情在线| 男人的天堂在线婷婷| AV操操操| 婷婷色激情网| 久久久久久99日本| 激情爱爱网站超大免费| 色噜噜狠狠色综合成人99| 九九无码| 99这里只有精品视频免费| 色五月综合| 亚洲综合99| 99热8| 只有精品在线观看| 91色综合久久| 五月天停婷基地| 色欲九区| 免费视频WWW在线观看网站| 亚洲瑟瑟精品在线| 亚洲另类AV| 激情小说在线视频| 99久久免费性爱视频`| 免费观看全黄做爰的视频| 99精品无码网站| 99欧美三级视频| 亚洲操精品| 99色久| 99综合免费视频| 婷婷五月天改成什么了| 曰本aaaaaa丈片| 久久99热这里只有精品| 人妻久久久久久久久妻久久久久久久久| 国产全是老熟女太爽了| 五月天播播中文字幕| 五夜婷婷| 日本天天色| 九九久久99| 色综合av超碰| 婷婷色综合| 婷婷干五月综合在线播放| 久久综合首页| 激情五月丁香五月色| 五月婷婷啪啪| 五月色婷婷影视在线电影| 丝袜熟女一区二区三区| 婷婷色五月天在线| 欧美性爱5月天天天看| 人人操碰| 五月丁香色婷婷| 99爱在线精品视频免费观看| VA五月激情在线| 99色在线观看视频者| www.日本91| 婷婷 激情 五月| 五月丁了香蕉综合| 超碰在线50| www,超碰| 激情亭亭五月| 玖玖婷婷五月| 精品51XX| 亚洲色色爱| 99re免费视频| 亚洲午夜成人av电影网| 中文字幕婷婷| 婷婷五月天在线一区| 五月丁香六月久久| 亚洲爱婷婷| 欧美搡BBBBB摔BBBBB| 色婷婷五月综合| 精品久久人妻热| 九九中文字幕九| 丁香五月天堂网| 午夜丁香综合婷婷| www.夜夜.com| 99在线免费视| 精品久久99码| 香蕉大综综综合久久| 1000部毛片A片免费观看| 婷婷五月天AV| 亚洲bt丁香五月天婷婷激情小说| 新99思思视频| 成人婷婷| 99色免费| 伊人大香蕉毛片| www.激情五月| 综合色五月天| 五月丁香六月在线| 五月丁香激情欧洲啪啪| 婷婷区日本| 9色在线视频| 九九Y精品热播| 国产乱子轮XXX农村| 人妻熟妇国产精品| 国产亚洲精品久久一区二区三区| 色情五月停停丁香| 激情综合六月| 五月婷婷色色网址| 淫五月停停| 久久久这里有精品| 婷婷六月天天| 99久精品视频| 婷婷五月天色播| 99热精地址| 狠狠色丁香婷婷基地| 99五月丁香丁| 夜夜夜天天操| 婷婷伊人綜合中文字幕小说| 中文无码婷婷| 久久99操| 精品婷婷| 婷婷午夜精品久久久| 狠狠色狠狠爱| 丁香五月123| 啪啪九九色| 无码人妻丰满熟妇奶水区码| 国产JK精品白丝AV在线观看| 五月婷婷综合色啪首页| 久久综合丁香激情五月| 99热99干| 噜噜噜狠狠色综合| 99re8这里只有精品99re8热视频| 久久精品婷婷| 久操操| 五月停亭六月,六月停亭的英语| 亚洲天堂有码| 日韩国产在线免费观看| 91热视频色网站| 日韩天堂久久| 色哟哟性爱av| 婷婷97碰碰| 97电影99热| 久热久操久热久草国产91| ai97re99一本| 丁香五月婷婷亚洲天堂| 日韩无码91| 狠干综合| 亚洲小电影在线观看黄999| 性爱网六月丁香| 五月伊人婷婷999| 综合久久六月| 97视频.干com| 激情五月丁香婷婷夜夜操| 丁香色五月 97干| 婷婷五月色情天| 91色婷婷综合久久中文字幕二区| 99成人网一区| 欧洲亚洲免费视频区| 久久综合网免费视频| 色色亚洲无码| 天天cha成人综合网| 6080av| 五月天婷婷激情干干| 伊人青草成人| 五月丁香色婷婷基地| 丁香五月视频在线观看| 五月四色婷婷| 五月丁香六月婷婷国产视频| 久久9热| 香蕉综合在线| 丁香五月影院| 最熟少妇乱码| 伊人网碰碰| ww久久| 丁香婷婷人妻| 久久五月婷天天干| 九九在线精品| 久久久久人妻精品| 激情操逼婷婷| 另类视屏| 色婷婷丁香五月| 婷婷五月综合婷婷| 五月丁香在线国产| 色婷婷www| 色色色在线观看| 久9久9久9久9久9久9| 丁香五月在线| 久热re视频在线观看网站| 一区二区你懂的| 国产婷婷综合在线免费视频| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 在线可以看的av网址| 五月丁香花开综合网| 六月婷婷中文字幕| 激情深爱五月天| 97色婷婷| 九九色之九九色之88| 男女99免费视频| sisi热国产| 99热在线观看这里只有精品| 九九色色网| 激情网五月天| 丁香五月九九| 伊人大香五月天| 丁香五月婷婷俺也要去| 另类视频一区| 九久久九精品视频| 97久久人人操| 九九色视频| 操逼视频一区| 婷婷色五月大香蕉在线| AV在线大香蕉| 狠色狠色综合久久| 日本99视频| 伊人高清无码| 精品激情| 欧美精品熟女一区二区| 激情图片五月天| 99热香港| 色噜噜狠狠色综合AV兰草影视| 五月花婷婷最新| 亚洲午夜一区二区| 色情终和网| 成人丁香色| 九九美女视频| 婷婷五月成年人| 色 色 色综合com| 国产67194| 9色天堂| 性色欲情 网站| 婷婷激情社区| 久久在线视频免费观看| 成人五月天丁香| 韩国婷婷丁香五月| 婷婷婷婷婷婷婷五月丁香| 无码AV大香线蕉伊人| 九九五月天| 色五月婷婷激情| 丁香五月综合| 色女人久久| 思思热热久久| 五月天婷婷久久| 男人的天堂97| 五月色俺婷婷| 天天日天天舔| 丁香婷婷网| 激情综合色播| 欧美三级巜人妻互换| 五月丁香久| 亚洲国产色色| 激情99| 久热中文字幕| 天天在线XXX| 日本黄色三级片内射| 婷婷五月天堂| 丁香婷婷五月综合| www网站在线观看| 琪琪理论片| 激情啪啪五月| 婷婷伊人视婷婷婷| 久久视频在线| 黄网在线免费| 色噜噜,噜噜色| 久久精典| 夜夜躁婷婷AV| 亚洲婷婷五月天激情| 夜夜操加勒比| 五月激情精品视频| 操人91| 9热视频在线观看| 久播影院免费观看电视剧大全最新网| 天堂成人A片永久免费网站| 91久热| 婷婷色操| 天堂五月婷婷| 79精品视频在线观看,| 成人超碰网| 99热欧美在线观看| 色色五月丁香| 丁香婷婷五月综合色情| 99激情在线| 久久人操-久草婷婷-成人AV| 色婷婷成人| 婷婷不卡基地| 五月婷婷伊人在线| 西西4r午夜剧场| 色丁香在线视频| 丁香五月影院| 婷婷成人综合免费视频| 婷婷久久五月| 日本的α片xxxwww| 色婷婷激情| 区区久久妻| 色99在线视频| 日韩操人| 亚洲色网址| 九九AV| 久热这里只有| 色情五月婷| 99热精品在线在线| 久久99精品久久久久久噜噜| 色婷婷久久综合| 九热精品| 久久伊人五月天| 日本片日本片祼观看网站在线看中文版网页在线看 | 人妻六月天| 五月婷婷综合精品| 97碰碰人人视频| 五月天婷婷激情小说电影| 欧美一黄一色一乱一伦| 欧洲亚洲精品| 亚洲网站999| 99爱视频在线| 激情婷婷在线中文字幕| 任你爽视频| 大香蕉520| 综合色色色| 综合久久婷婷五月丁香| 国产精品久久久久久久久久 | 操操熟女| 人人色婷婷| 久久精品噜噜噜成人A∨色欲| 思思热精品在线观看| 蜜桃婷婷狠狠久久综合| 99热网址| 婷婷五月四狠狠| 国产精品电影| 人人人操B超碰| 五月天婷婷无码| 五月激情婷婷在线| 六月婷久久| 色五月婷婷亚洲| 激情五月天婷婷久久久久久久久久久| 亚洲电影在线观看| 99爱这里只有精品免费视频| 久久久.COM| 色五月婷婷五月| 婷婷五月天影视网址| 怎么样可以看免费的一级av| 色五婷婷| 日本在线视频播放91| 婷婷五月天成人网| 五月婷无码| 五月婷婷综合成人| 九九色播五月丁香| 99久久a线观| 五月天大香蕉av| 天天久综合| 人人综合久| 99久久网站| 五月丁香青草综合啪啪| 伊人五月天97| 亚洲AV成人在线| 思思热热久久| 久久九九中文字幕| 国产在线aaa片一区二区99| 五月花婷婷丁香| 99精品久久久久| 婷婷综合| 久久a热| 91狠狠综合久久久| 久久久全国免费视频| 99精品热| 五月天天丁香婷婷在线中| 丁香五月婷婷国产av| 婷婷色五月开心五月| 人妻久久做| 色婷婷啪啪综合网| 五月天啪啪啪| 激情五月色综合| 丁香婷婷六月天| 国产成人精品123区免费视频| 国产三级秋霞| 婷婷五月综合婷婷| 九九美女视频| 久久精彩视频| 婷婷五月色色| 五月丁香婷婷啪啪综合网| 中文字幕性爱视频| 夜夜操狠狠操| 亚洲无码yw| 久久五月丁香六月婷| 99超碰在线免费| 亚洲欧美成人在线| 婷婷五月天综合小说网| 婷婷第六色| 98热精品| 免费观看欧美成人AA片爱我多深| 亚洲色图五月丁香| 韩国久久少妇视屏| 欧美成人Va| 综合 蜜月 婷婷| 可以免费观看的av| 五月丁香六月激情综合| 日日夜夜爽爽| 天天狠天天狠| 丁香六月狠狠干| AⅤ网站在线看| 欧洲不卡视频| 99热这里只有精品2| www.激情五月天.com| 久久婷婷丁香视频网| 欧美久久一级内射wwwwww.| 538任你爽| 丁香色综合| 五月天快乐开心激情网| 久久9RE热视频精品98| 激情视频网址| 激情亭亭五月| 亚洲精品国产精品乱码视99| 小视频一区| 久久99久久99久久99人受| 久久激情婷婷| 九九精品热| 五月婷婷九九热| 色综合丁香| 五月婷婷色色网址| 黄色激情网站在线观看| 国产精品99久久久久久久女警| 8区视频在线| 精品久久66| 五月丁香婷婷激情久久| 狠狠色狠狠干| 婷婷大香蕉| 久久五月婷婷丁香| 操逼五月天| 亚洲午夜在线视频| 中文字幕人成乱码在线观看| 五月婷婷啪啪| 久热这里只有精品99re| 久久婷婷色色| 色欲影香| 日本爆乳片手机在线播放| 色综合天天天天做夜夜| 91人妻视频| 日韩狠狠色婷婷| 综合激情伊人影视在线| 国产激情AV| 大香蕉婷婷丁香| 婷婷五月激情综合啪啪| 日本nghangse中文字幕| 婷婷天堂伊人| 丁香五月婷婷av影院| 国产成人精品一区二三区熟女在线 | AAA久久| 久久香蕉影院| 99这里有精品视频| 激情丁香九九五月综合网| 色色色色综合| 99久久网站| 色婷婷五月天视频在线| 婷婷五月天免费视频| 人人人舔人人人操人人人摸人人人97 | 7EzOBIhNq85TO| 99国产精品久久久久久久久久久| 99久re热视频精品98| 亚洲五月天激情| 六月婷婷五月天| 综合99在线| 黄色99视频| 激情丁香婷婷六月天| 丁香五月婷婷激情小说| 国产99热在线看| 天天噜天天插| 狠狠操天天操天天操| 这里只有精品视频国产| www.狠狠色.com| 激情丰满熟妇五月| 色婷婷综合网站| 玖玖资源站中文| 五月花在线观看视频| 狠狠干无码| 久久人妻高清中文| 五月天婷爱综合| 亚洲色欲AAAAAA| 婷婷五月天天aV| 丁香激情综合| 婷婷综合97| 成人av免费观看| 色噜噜狠狠色综合日日| 疯狂做受XXXX高潮A片| 风流少妇A片一区二区蜜桃| 综合AV网| 五月丁香亭亭AV女优| 91.com男女操| 99色在线视频观看| 久久久婷丁香五月| 亚洲十月婷婷综合| 中文在线视频久1| 丁香五月天激情综合| 91丨九色丨白浆秘| 超碰免费人人| 激情性爱五月天网页| 9色小视频在线观看| 色婷婷综合影院| 五月色婷| 五月婷婷co.m| 婷婷五月激情五月激情| 色五月婷婷在线| 久久久久久人妻| 青草视频在线播放| 99热在线爱| 无码人妻激情| 丁香五月六月婷婷自拍| 五月宗合激情网| 97干视频在线| 激情小说五月天| 久久婷婷综合五月| 综合伊人久久| 欧美婷婷六月丁香综合色连续高潮抽搐| 三级成人网站| 天天日日夜夜爽。| 色五月丁香五月| 五月天婷婷色色| 依人大香蕉| 一级AV片| 亚洲一区二区无遮挡A片| 丁香九九九九| 九九热这里只有精品12| 五月综合久久| 欧美日韩成人在线| 久久精彩视频99| 久久免费精品小视频| 色婷婷六月开心中文字| 狠狠色噜噜狠狠狠888了| 丁香综合婷婷五月天| 色色色色网| 婷婷福利影院| 国产激情综合五月久久| 激情综合色婷婷啪啪六月天| 99色综合网| 色色网站毛片| 好看的国产精品| 五月婷在线色视频| 亚洲第一成人无码A片| 搡BBBB搡BBB搡18| 丁香婷婷超碰 | 久久精品99久久| 婷婷色日本| 丁香色成人| www,婷婷,com| 激情色播| 亚洲欧美一区二区三区四区爱爱动图| 日日操夜夜爽| 婷婷成人在线| www.久久五月天.com| 国内外色色色色色成人视频| 成人做爰A片免费看视频| 小泽玛利亚视频一区二区| 色爱99| 丁香激情五月| 久热99中文字幕| 这里只有精品视频222| 四色五月婷婷在线观看| 日本色婷婷| 毛片新网地| 丁香婷婷色五月天| 婷婷丁香在线| 国产ava| 开心五月深爱五月丁香五月激情五月 | 五月天综合久久丁香91| 婷婷五月天综合蜜桃| 国产精品国产| 丁香狠狠色婷婷久久无码视频| 桃色五月婷婷| 影音先锋天天日| 久cao香蕉影院| 婷婷 久综合| 九九色图| 婷婷色综合网日韩国产| a69在线视频| 丁香五月首页| 免费成人中文字幕| 五月天婷婷黄色| 99精品视频在线6| 五月丁香六月婷婷开心网| 九九无码| 丁香五月婷婷啪啪| 色婷婷国产精品综合在线观看| 九九99九九精品免费 | 久综合色| 天天爽免费视频| 丰满少妇乱A片无码| 高清视频一区| 99精色| 六月丁香五月婷婷| 欧美A级网站| 综合激情在线| 婷婷五月丁香色播| 婷婷五月丁香手机在线视频| 无码成人播放器| 美臀自射自家人妻| 91精品久久久久久77777| 亚洲第一成人无码A片| 亚洲视频伍月婷婷| 丁香六月婷婷操逼网| 激情婷婷综合| 丁香婷婷久久| 婷婷在线播放av| 丁香色六月婷婷| 五月天社区婷婷丁香社区| 26UUU欧美| 中国丰满熟女A片免费观| 台湾综合丁香五月蜜桃| 开心激情婷婷| 97av在线视频| 香蕉久久国产AV一区二区| 激情综合色图| 色婷天天| 欧美 日韩 成人 在线| 激情六月天| www.五月丁香| 五月丁香六月激情| www.97干视频| 天天色宗合| Av在线资源| 婷婷五月无码| 色五月天丁香婷婷色| 激情综合网五月天| 7777精品伊人久久久大香线蕉最新版| 五月婷婷成人| 婷婷激情四射网| 91要啪| 91色综合| 九九这里有精品| 久久五月婷婷电影| 大香蕉520| 五月婷婷综合网在线播放| 女人高潮内射99精品| 婷婷五月天777| 激情五月丁香婷婷| 亚洲天堂AV免费片| 三级片AAA久久久AAA久久久AAA | 久久久久久综合五月婷婷| 播丁香五月婷婷欧美| 在线观看的av| 思思久久青草热| 丁香五月天AV在线 | 久9免费视频| 亚洲无AV在线中文字幕| 激情五月,激情综合网| 高清无码 一区 二区 三区| 天天久综合| 色色婷婷五月天| 久热伊人在91| 激情五月综亚网| 日熟女| 秋霞少妇AV网站| 日本一级黄色电影| 五月天开心激情综合网| 久草热久草在线视频| 亚洲秘 无码一区二区三区妃光/1| 激情播丁香| 久久婷婷国产| 一区=区操屄高清大全av| 天天爱天天日| 97性视频| 丁香六月激情国产| 91九色PORNY肉丝在线| 日韩亚洲视频| 婷婷深爱五月| 婷婷婷婷婷婷婷婷婷婷丁香| 开心婷婷中文字慕| 开心婷婷中文字幕| 五月天啪啪网| 五月丁香亭亭成人电影| 久久久.COM| 久久久九九视频精品18| 伊人丁香婷婷东京| 婷婷五月激情中文字幕| 日本97久久久精品| www.日日夜夜| 色婷婷六月天| 国产精品操| 婷婷爱五月天人人爱| 欧美性做爰大片免费看办公室| 99热久草| 天天爱天天爽| 日本高清不卡免费一区二区三区| 奸逼视频| 丁香网站| 91五月天| www99精品| 色婷婷五月影院| 这里精品| 精品综合网在线| 婷婷五月天伊人网在线观看视频| 五月丁香婷婷啪啪| 久久视网36| www99精品| 亚洲AV网站在线观看| 欧美日本另类| 爱狠射| 婷婷情色激情| 天堂二区| 美英法精品无码免费视频| 久久99热这里只频精品6学生| 在线中文字幕视频| 人妻人人操| 1024手机在线观看看片_日韩精品| 开心婷婷五月| 91视频免费后入强操| 99热久| 日本毛片内射| 欧美狠狠色| 色五月大| 五月天婷婷综合网| 欧美色色色色色色| www.色9| 丁香六月激情| 91丨九色丨大屁股| 国产 码在线成人网站| 久久XX| 久久婷综合| 97在线精品| 六月丁香狠狠爱| 99爱视频| 五月停停色色丁香| 日韩欧洲亚洲| 7月婷婷六月丁香| 这里有精品| 激情播丁香| 中文字幕免费高清电视剧| 婷婷丁香五另类网站| 亚洲精品国产A久久久久久| 天天干-天天日| 欧美一级a | 婷婷五月花| 日本激情五月| 亚洲激情六月| 五月天 婷 欧美亚洲| 婷婷五月天AV在线| 婷婷五月天色色| 亚洲日本激情| 婷婷五月在线视频| 色五月婷婷啪啪五月| 免费看欧美成人A片无码| 婷婷丁香五月天中文字幕| 色色网站日本91| 亚洲丁香五月天视频| 啪啪婷婷五月天激情| 能看的av网站| 激情婷婷六月| 人人爽欧美婷婷久久久五月丁香| 97干免费视频| se色99| 久久日婷婷| 国产这里只有精品| 五月婷五月婷伊人伊人五月婷| 丁香五月婷婷五月| 五月色丁香激情| 丁香六月激情毛片| 激情五月综合| 婷婷中文字幕版| 日逼影音先锋AV男人资源站| 亚洲综合无码| 天天爽—爽| 视频一区二区在线| 日韩在线99| 激情深爱综合| 亚洲综合九九| 久久这里99| 黄色毛片精品| 99热超碰| 日逼免费视频 | 噜噜久| 99re久久| 日韩一本操| 99热这里都是精品| 99精品视频在线6| 欧美日韩精品一区二区三区钱| 91在线日| 五月综合婷婷久久在线| 五月丁香六月色| 97人人草| 婷婷丁香五| www.色色com| 五月天成人综合| 97超碰色| AV九九| 欧美成人精品一区二区| 91大神操美女| 国产在线网| 六月婷久久| 久久只这里有精品| 久久婷婷色情7777网站| 色九九综合色| 久久久97| 日本社区五月天激情| www.天天色综合| 狠狠 久久| 色色综合网站| 激情开心五月天| 丁香五月宝贝激情网| 先锋资源婷婷| 五月天婷婷综合色| 九九色热| www天天色天天射| 日韩一66精品| 五月叮香啪| 丁香五月婷婷五月| www.婷婷,com| www色婷婷com| 天天日天天摸天天| 亚洲操精品| 99视频综合网| www.91久久| 99九九在线视频| 五月婷婷六月基地| 五月在线婷色| 98热精品| 97超碰,人人舔,人人操,人人摸| 五月激情啪啪啪| 色狠狠色综合| 色婷婷六月激情| 级情九色| www.日本91| 啪啪五月婷婷| 色五月激情五月| 婷婷俺去也| 五月婷婷,六月丁香| 成人精品一区二区三区四区五区| 色婷婷亚洲综合av| 无码激情AAAAA片-区区| 思思热99热| 丁香五月色网| 婷婷婷婷色| www.五月激情红色| 另类色视频| 99精品热视频| 97亚洲婷婷| 日韩精品VIP| 久久久久久久久久久-久五月天婷婷| 26UUU精品一区二区| 久久激情五月天| 天天舔天天爽| 婷婷六月丁香欧美视频在线| 久99久热只有精品国产99| 九九视频这里是精品五月| 伊人婷婷大香蕉| 久久综合播放| 精品导航在线x不卡| 欧美日本国产| 桃色五月婷婷| 双性美人被调教到喷水A片| 亚洲色啪| www.五月.com| 91精品久久久久久久| 91九色国产熟女| 婷婷色综合| 婷婷五月天亚洲精品| 岛国av网| 一二三区视频韩国| 狠狠色丁香婷婷基地| 久久色五月| 五月丁香啪啪网| 新97人人上人人| 九洲一级A片| 精品99在线看| 91超级碰在线视频| 久久狠狠干| 操逼六区| 婷婷五月大香蕉| 欧美丁香五月97色| 婷婷五月AV| 日本精品99| 日本久久99| 人妻久久久久| 九九人妻福利| 性爱在线播放av| 99热20| 久热无码| ri电影在线| 99区视频| 5月丁香婷婷| 开心 五月 综合| 色播五月天天| 五月婷婷无码专区| 一级操逼内射在线视频| 夜夜夜夜夜操| 五月天成人综合| 六月撸婷婷| 久久大香蕉| 超碰AV在线| 男女啪啪做爰高潮无遮挡| 五月天久久色| 综合久久十| 99爱爱网| 婷婷六月色开| 婷婷色五月亚洲| 狠狠色综合网站| 婷婷五月情| 97资源欧美日韩大香蕉超碰一区| 五月婷婷啪啪网| 亚洲中文字幕网| 狠狠夜夜五月丁香| 天天操夜夜玩!| 五月激情婷婷在线| 激情五月天啪啪| 91久操| 嫩草AV久久伊人妇女超级A| 熟女少妇内射日韩亚洲| 伊综合蕉| 超级黄色片| 婷婷放心五日爱| 久久99热这里只有精品23| 五月天色五月天| 日日爽天天| 色婷婷五月天成人网| 99精品在线观看| 国产肥白大熟妇BBBB视频| av首页在线| 非洲一级AV| 婷婷五月激情网站| www.热99热| EEUSS鲁片一区二区三区| 久久99视频| 熟惀91九色在线| 丁香五月天天| 国产97色在线| 青青夜夜狠狠夜夜狠狠| 色五月亚洲开心网| 婷婷色啪| 国产欧美日韩综合精品一区二区| 丁香97综合| 九月婷婷综合| 狠狠草综合网| 欧美日本国产欧美日本韩国99| 五月婷婷性爱| 日本理论久久| 婷婷色色丁香五月天| xxxx五月| 天天爽天天草| 99噜噜| 99无码视频| 欧美久人人| 天天综合色丁香| 26UUU欧美| 六月激情婷婷| 色婷婷人人| 久久黄A片| 亚洲色色香蕉| 天天干夜夜想| 日本97人人| 色五月婷婷中文字幕在线观看| 综合网五月天123| 粉嫩av懂色av蜜臀av熟妇| 久热无码| 国产九九一区二区三区| 色欲五月天| 色噜噜狠狠色综合网| 91久久精品国产91性色TV| 婷婷五月综合久久中文字幕| www.思思99热| 97色婷| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 99精彩视频网站在线| 国产avapp 网| 五月婷婷五月天亚洲无码| 久久丁香五月婷婷| 五月婷婷黄色网址| 九九色综合网| 天天橾日日橾夜夜橾17| 99热老司机| 色呦呦在线| 激情五月第四色| www,超碰| 日本婷婷色| 欧洲亚洲免费视频区| 婷婷色色丁香五月天| 草榴视频黄色网| 五月丁香色婷婷伊人| 色噜噜狠噜噜视频| 亚洲熟妇AV乱码在线观看| 日韩色久| 噜噜色婷婷| 9热网站| 丁香婷婷激情综合五月激情 | 五月天婷婷激情在线色图| 久婷久婷| 大香蕉伊然在亚洲90| 日本色婷婷久久99精品91| 亚洲另类电影| 97干在线免费| www.久久| 91综合色| 色色丁香色五月| 色色色色色色综合| wwwss在线观看| www.91色| 97欧美在线| 色欲色香综合网站| 99精品无码网站| 五月丁香六月色| 精品人妻在线| 亚洲久热无码| 亚洲色无码A片一区二区麻豆| 九九国产视频| 人妻激情综合| 久久亚洲无码| 色XX综合网| 婷婷激情五月呦呦| xx色综合| 99这里只有精品视频| 激情婷婷在线中文字幕| 丁香社区婷婷五月| 五月天色色无码| 天天插天天干天天舔| 最新无毒无码AV| 超碰狠狠色| 国产乱轮一区二区三区| 开心五月激情五月丁香五月婷婷| 九月丁香久久网| 婷婷五月综合视频| 亚洲视频码| 久久这里只有精品热在99| 停停五月色宗合| 思思热这里只有精品| 九九热在线99| 4399在线日本A片| 五月婷婷综合影院| 99热97| 久久久久久久久久久44| 婷婷五月色天| 国产操肏网站| 伊人玖玖婷婷| 色99自拍| 综合AV在线| 天天肏视频| 五月天婷婷在线播放| 99这里只有精品视频免费| 九九热精品视频在线观看| 就要去操亚洲成人精品五月天丁香婷婷| 成人午夜无码视频| 国产免费一区二区在线A片视频| 婷婷五月天AV| 久久精彩综合视频| 五月婷在线| 天天情天天狠天天透| 亚洲男女激情| 涩涩涩,com| 99热这里只有精品5| 欧美丁香五月97色| 成人在线日韩| 色婷婷成人丁香| 欧美性生交A片免费看| 久色中文| 国产在线网址1| 色五月婷婷五月天激情综合| 亚洲热久| 五月婷婷黄色| 色色综合成人网| 午夜大香蕉| 久久亚洲网| 成人免费黄色短视频| 婷婷激情五月天小说| 国产精品18久久久| 99色色热热| 大香蕉五月天婷婷| 国熟女视频| 五月婷婷自拍视频| 综合激情九月婷婷,激情综合婷婷中文字| 婷婷综合五月天亚洲综合| 五月丁香六月停停停| 直接看的AV| 久草性爱| 狠狠色综合网| 五月色精品| 97人妻碰碰碰久久| 久色网| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 国产乱人偷精品人妻A片| 久久五月天激情视频| 婷婷丁香五月视频| 五月激情综合网| 色综合久久888| 欧美日本免费一道免费视频| 丁香六月色婷婷| 色狠狠综合网| 色婷婷丁香五月| 国产在这里只有精品| 天天插天天狠| 日韩久久日| 久久九九色| 欧美亚洲婷婷五月| 大香蕉久久久久| 婷婷五月丁香综合亚洲| 婷婷五月天堂| 丁香色情五月综合网站| 色婷婷av在线| 亚洲视频一区| 久久久香| 天天舔天天摸天天透| 九九热AV| Av在线资源| 啊v视频在线观看| 日本五月婷| 激情宗合哪里能看| 97成人超碰免| 日本欧美成人片AAAA| 日熟女| 9999色色色色| 婷婷九九| 婷婷97C| 五月婷婷色| 日本天堂爱爱| 五月天黄色激情小说| 亚洲综合在线伊人婷| 色播激情婷婷| 99热免费| 99精品自拍视频| 无码人妻一区| 五月天色婷婷av| 婷婷的99视频网站| 国产在线网址1| av大香蕉| 婷婷五月综合久久中文字幕| 五月天激情社区| 丁香五月综合久久八| 国产午夜精品一区二区| 婷婷五月天天| 久久五月婷| 99爱视频在线| 99re这里有精品手机在线| 欧亚色色| 猫咪伊人久久| 久艹久| 乱岳熟女50岁| 色色色免费视频| 婷婷色片| 婷婷五月情天| 婷婷五月免费在线| 婷婷欧美色| 99久久99久久综合| 欧美人人超级碰| 婷婷五月天国产性感美女演员久久久久| 综合婷婷|