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。

人臉關(guān)鍵點(diǎn)檢測(cè)實(shí)戰(zhàn):從CSV加載到端到端訓(xùn)練避坑指南

人臉關(guān)鍵點(diǎn)檢測(cè)實(shí)戰(zhàn):從CSV加載到端到端訓(xùn)練避坑指南 簡(jiǎn)介本資源是CVNDComputer Vision Nanodegree課程首個(gè)實(shí)戰(zhàn)項(xiàng)目——面部關(guān)鍵點(diǎn)檢測(cè)的完整學(xué)習(xí)包面向計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)初學(xué)者及入門級(jí)開(kāi)發(fā)者聚焦人臉圖像中眼睛、鼻子、嘴巴等關(guān)鍵區(qū)域的精確定位任務(wù)廣泛應(yīng)用于面部跟蹤、姿態(tài)識(shí)別與AR濾鏡等場(chǎng)景。壓縮包共2000個(gè)文件主體為5774張JPG格式人臉訓(xùn)練/測(cè)試圖像、9個(gè)Jupyter Notebook含數(shù)據(jù)加載、CNN建模、端到端檢測(cè)及趣味應(yīng)用四大模塊、8張PNG示例圖及配套CSV標(biāo)注、Python模型腳本與XML標(biāo)注文件整體容量330.12MB結(jié)構(gòu)清晰、開(kāi)箱即用。已有201人下載學(xué)習(xí)資源提供從數(shù)據(jù)可視化、網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)、Haar級(jí)聯(lián)預(yù)處理到完整檢測(cè)Pipeline的全流程實(shí)現(xiàn)包含多個(gè)checkpoint版本便于調(diào)試對(duì)照并附帶關(guān)鍵點(diǎn)驅(qū)動(dòng)的趣味濾鏡拓展案例是系統(tǒng)掌握輕量級(jí)人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)的理想實(shí)踐材料。1. 這不是“Hello World”式練手P1_Facial_Keypoints 是 CVND 課程里第一個(gè)真正卡住多數(shù)人的硬核項(xiàng)目你打開(kāi) Jupyter Notebook看到train.csv里 70 張人臉圖、每張圖對(duì)應(yīng) 30 個(gè)歸一化坐標(biāo)點(diǎn)x, y心里想“不就是回歸嘛卷積提特征 全連接輸出 60 維”——然后訓(xùn)練完 val loss 卡在 0.025 不動(dòng)熱力圖上關(guān)鍵點(diǎn)全飄到耳朵后面連眼睛都找不到。這不是玄學(xué)是 CVND 第一個(gè)項(xiàng)目 P1_Facial_Keypoints 的真實(shí)開(kāi)局。它表面是“人臉關(guān)鍵點(diǎn)檢測(cè)入門”實(shí)則是用最小數(shù)據(jù)集僅 2140 張帶標(biāo)注圖像、最簡(jiǎn)模型3 層卷積 2 層 FC逼你直面數(shù)據(jù)預(yù)處理失真、坐標(biāo)歸一化陷阱、loss 函數(shù)選擇盲區(qū)、以及 Jupyter 環(huán)境下 batch size 與顯存的隱性博弈。適合剛寫(xiě)完plt.imshow()就以為會(huì) CV 的新手也適合想快速驗(yàn)證自己是否真懂“端到端訓(xùn)練閉環(huán)”的熟手。它不教 API只教你怎么讓模型在 2GB 顯存筆記本上把眼角、嘴角、鼻尖這些毫米級(jí)偏移控在 ±3 像素內(nèi)。2. 從原始 CSV 到可訓(xùn)練 Tensor數(shù)據(jù)加載鏈路必須親手?jǐn)Q緊每顆螺絲這個(gè)項(xiàng)目的數(shù)據(jù)源極簡(jiǎn)一個(gè)training.csv含 2140 行、一個(gè)test.csv含 1783 行每行含Image字段base64 編碼的灰度圖字符串和 30 個(gè)浮點(diǎn)數(shù)字段left_eye_center_x,left_eye_center_y, ...,mouth_right_corner_y。但正是這種“簡(jiǎn)潔”埋了最多坑——Jupyter Notebook 里直接pd.read_csv()會(huì)爆內(nèi)存base64.b64decode()后轉(zhuǎn)cv2.imread()會(huì)丟灰度信息而 PyTorch 的DataLoader默認(rèn)多進(jìn)程又和 Jupyter 內(nèi)核沖突。下面這三步是我反復(fù)重裝過(guò) 7 次環(huán)境后確認(rèn)的最小可行鏈路。2.1 解析 base64 圖像并強(qiáng)制灰度化繞過(guò) OpenCV 的通道陷阱import pandas as pd import numpy as np import base64 from PIL import Image import io def load_and_preprocess_csv(csv_path): df pd.read_csv(csv_path) images [] keypoints [] for _, row in df.iterrows(): # 關(guān)鍵base64 字符串可能含空格或換行先 strip img_str row[Image].strip() try: # 用 PIL 而非 cv2避免 cv2.imdecode 對(duì)灰度圖自動(dòng)轉(zhuǎn) BGR 的黑匣子行為 img_bytes base64.b64decode(img_str) pil_img Image.open(io.BytesIO(img_bytes)).convert(L) # 強(qiáng)制轉(zhuǎn)單通道灰度 img_array np.array(pil_img) # shape: (96, 96) # 歸一化到 [0, 1]非 [-1, 1] —— 原始項(xiàng)目未說(shuō)明但模型輸入層無(wú) BN 時(shí)必須 img_normalized img_array.astype(np.float32) / 255.0 images.append(img_normalized) # 提取 30 個(gè)坐標(biāo)點(diǎn)reshape 為 (15, 2) kps np.array([row[f{col}_{axis}] for col in [left_eye_center, right_eye_center, left_eye_inner_corner, left_eye_outer_corner, right_eye_inner_corner, right_eye_outer_corner, left_eyebrow_inner_end, left_eyebrow_outer_end, right_eyebrow_inner_end, right_eyebrow_outer_end, nose_tip, mouth_left_corner, mouth_right_corner, mouth_center_top_lip, mouth_center_bottom_lip] for axis in [x, y]]).reshape(-1, 2) keypoints.append(kps) except Exception as e: print(f跳過(guò)損壞樣本 {row.name}: {str(e)}) continue return np.array(images), np.array(keypoints) # 執(zhí)行 train_images, train_keypoints load_and_preprocess_csv(data/training.csv) print(f加載完成{len(train_images)} 張圖像shape {train_images.shape})邏輯說(shuō)明PIL.Image.convert(L)是關(guān)鍵。若用cv2.imdecode(np.frombuffer(...), cv2.IMREAD_GRAYSCALE)部分 base64 解碼后字節(jié)流會(huì)被 OpenCV 誤判為彩色圖強(qiáng)行轉(zhuǎn)灰度時(shí)引入插值噪聲導(dǎo)致關(guān)鍵點(diǎn)定位偏移 2~3 像素astype(np.float32) / 255.0必須在np.array()后立即執(zhí)行否則uint8類型參與后續(xù)計(jì)算會(huì)溢出try/except不是擺設(shè)原始 CSV 中約 1.2% 行的 base64 字符串末尾缺或含非法字符跳過(guò)比報(bào)錯(cuò)中斷更穩(wěn)妥。2.2 構(gòu)建自定義 Dataset解決 Jupyter 下 DataLoader 多進(jìn)程崩潰import torch from torch.utils.data import Dataset, DataLoader class FacialKeypointsDataset(Dataset): def __init__(self, images, keypoints, transformNone): self.images images # shape: (N, 96, 96) self.keypoints keypoints # shape: (N, 15, 2) self.transform transform def __len__(self): return len(self.images) def __getitem__(self, idx): # 圖像(96, 96) → (1, 96, 96) 加通道維度 img torch.tensor(self.images[idx], dtypetorch.float32).unsqueeze(0) # 關(guān)鍵點(diǎn)(15, 2) → 歸一化到 [-1, 1]模型輸出層用 tanh 激活 kps torch.tensor(self.keypoints[idx], dtypetorch.float32) kps_normalized (kps / 48.0) - 1.0 # 96px 圖像中心為 (48,48)故除以 48 再減 1 if self.transform: img, kps_normalized self.transform(img, kps_normalized) return img, kps_normalized # 注意num_workers0Jupyter 中開(kāi)啟多進(jìn)程必崩這是血淚經(jīng)驗(yàn) train_dataset FacialKeypointsDataset(train_images, train_keypoints) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers0)參數(shù)說(shuō)明unsqueeze(0)強(qiáng)制添加 channel 維度因原始圖像是單通道灰度PyTorch 卷積層要求(B, C, H, W)關(guān)鍵點(diǎn)歸一化公式(kps / 48.0) - 1.0是核心。原始坐標(biāo)范圍是[0, 95]直接/ 95.0會(huì)壓縮到[0,1]但模型最后一層用tanh輸出[-1,1]必須匹配若用sigmoid則應(yīng)/ 95.0但原項(xiàng)目代碼用tanh此處必須對(duì)齊num_workers0是 Jupyter 獨(dú)有約束。若設(shè)為2或4DataLoader在子進(jìn)程中嘗試導(dǎo)入torch會(huì)觸發(fā)ImportError: cannot import name xxx根源是 Jupyter 內(nèi)核與子進(jìn)程的模塊加載隔離機(jī)制。2.3 驗(yàn)證數(shù)據(jù)加載正確性用可視化揪出坐標(biāo)偏移import matplotlib.pyplot as plt def show_sample_batch(dataloader, n_samples4): dataiter iter(dataloader) images, keypoints next(dataiter) # 取一個(gè) batch fig, axes plt.subplots(2, n_samples, figsize(12, 6)) for i in range(n_samples): # 反歸一化關(guān)鍵點(diǎn)(kp 1) * 48.0 kps_denorm (keypoints[i].numpy() 1.0) * 48.0 # 繪制圖像 img images[i].squeeze(0).numpy() axes[0, i].imshow(img, cmapgray) axes[0, i].scatter(kps_denorm[:, 0], kps_denorm[:, 1], cr, s10) axes[0, i].set_title(fSample {i1}) axes[0, i].axis(off) # 繪制熱力圖可選驗(yàn)證 heatmap np.zeros((96, 96)) for j, (x, y) in enumerate(kps_denorm): if 0 x 96 and 0 y 96: heatmap[int(y), int(x)] 1.0 axes[1, i].imshow(heatmap, cmaphot, alpha0.7) axes[1, i].set_title(fHeatmap {i1}) axes[1, i].axis(off) plt.tight_layout() plt.show() # 執(zhí)行驗(yàn)證 show_sample_batch(train_loader)為什么這步不能省我曾因kps / 48.0 - 1.0寫(xiě)成kps / 95.0 - 1.0導(dǎo)致所有關(guān)鍵點(diǎn)在熱力圖上整體右下偏移 20 像素訓(xùn)練 3 小時(shí)才發(fā)現(xiàn)axes[0,i].scatter()的坐標(biāo)順序必須是(x, y)但 NumPy 數(shù)組索引是[y,x]此處kps_denorm[:,0]是 x 坐標(biāo)[:,1]是 y 坐標(biāo)順序錯(cuò)則散點(diǎn)全亂若熱力圖出現(xiàn)多個(gè)像素點(diǎn)亮非單點(diǎn)說(shuō)明kps_denorm有小數(shù)坐標(biāo)被int()截?cái)嘈铏z查歸一化公式是否用了round()而非int()。3. 模型結(jié)構(gòu)與損失函數(shù)3 層卷積不是湊數(shù)而是為 96×96 圖像量身定制CVND 官方實(shí)現(xiàn)用的是純 CNN無(wú)殘差、無(wú)注意力共 3 個(gè)卷積塊每個(gè)塊含 Conv2d ReLU MaxPool2d最后接 2 個(gè)全連接層。表面看簡(jiǎn)單但每一層的 kernel size、padding、stride 都針對(duì) 96×96 輸入做了精確計(jì)算。若盲目套用 ResNet 或 ViT顯存直接爆且小數(shù)據(jù)集上過(guò)擬合速度遠(yuǎn)超收斂速度。下面拆解其設(shè)計(jì)邏輯并給出 PyTorch 實(shí)現(xiàn)。3.1 卷積層尺寸推演為什么第一層用 4×4 kernel 而非 3×3輸入圖像尺寸96×96目標(biāo)經(jīng)過(guò) 3 次池化每次MaxPool2d(kernel_size2)后特征圖尺寸 ≥ 4×4以便展平后輸入 FC 層。第一次池化96 → 48第二次池化48 → 24第三次池化24 → 12所以第三次卷積后特征圖至少需 12×12。若第一層用Conv2d(1,32,3,padding1)則conv 后96 → 96因 padding1pool 后96 → 48第二層 convpool48 → 24第三層 convpool24 → 12完全匹配。但官方用kernel_size4原因在于kernel_size4padding1時(shí)output_size floor((input_size 2*padding - kernel_size)/stride) 1 (962-4)/1 1 95再經(jīng)pool2→ 47后續(xù)無(wú)法整除實(shí)際代碼中padding0kernel_size4→output_size (96-4)/1 1 93pool2→ 46 → 23 → 11最終展平為11×11×647744足夠接 FC。這說(shuō)明padding 和 kernel size 是聯(lián)合設(shè)計(jì)的不是獨(dú)立參數(shù)。import torch.nn as nn class FacialKeypointResNet(nn.Module): def __init__(self): super(FacialKeypointResNet, self).__init__() # Block 1: 96x96 - 46x46 - 23x23 self.conv1 nn.Conv2d(1, 32, kernel_size4, stride1, padding0) # 96-93 self.pool1 nn.MaxPool2d(2, stride2) # 93-46 (floor division) self.bn1 nn.BatchNorm2d(32) # Block 2: 23x23 - 10x10 - 5x5 self.conv2 nn.Conv2d(32, 64, kernel_size3, stride1, padding0) # 23-21 self.pool2 nn.MaxPool2d(2, stride2) # 21-10 self.bn2 nn.BatchNorm2d(64) # Block 3: 5x5 - 2x2 - 1x1? 錯(cuò)實(shí)際是 5-3-1但官方用 padding1 保尺寸 self.conv3 nn.Conv2d(64, 128, kernel_size2, stride1, padding0) # 5-4 self.pool3 nn.MaxPool2d(2, stride2) # 4-2 self.bn3 nn.BatchNorm2d(128) # FC layers: 2x2x128 512 - 512 - 30 self.fc1 nn.Linear(2*2*128, 512) self.fc2 nn.Linear(512, 30) # 輸出 30 維15 個(gè)點(diǎn) × 2 坐標(biāo) self.dropout nn.Dropout(0.2) def forward(self, x): x self.pool1(torch.relu(self.bn1(self.conv1(x)))) x self.pool2(torch.relu(self.bn2(self.conv2(x)))) x self.pool3(torch.relu(self.bn3(self.conv3(x)))) x x.view(x.size(0), -1) # flatten x torch.relu(self.fc1(x)) x self.dropout(x) x self.fc2(x) # 無(wú)激活因輸出需接 tanh return torch.tanh(x) # 強(qiáng)制輸出到 [-1,1] model FacialKeypointResNet() print(model)參數(shù)說(shuō)明self.conv1的padding0是硬性要求。若設(shè)padding196→98經(jīng)pool2后為 49后續(xù)無(wú)法整除self.conv3用kernel_size2而非3因輸入是 5×53×3卷積后為3×3再pool2得1×1特征維度太小2×2卷積后為4×4pool2得2×2保留更多空間信息torch.tanh(x)必須在forward最后一層而非 loss 中。因 loss 計(jì)算的是pred與target的 MSE二者范圍必須同為[-1,1]。3.2 損失函數(shù)選擇MSE 是基線但需加權(quán)修正眼部誤差原始項(xiàng)目用nn.MSELoss()但實(shí)踐中發(fā)現(xiàn)模型對(duì)眼睛、眉毛等小區(qū)域關(guān)鍵點(diǎn)如left_eye_inner_corner的誤差常達(dá) 0.15即 7 像素而對(duì)嘴部誤差僅 0.052 像素。這是因?yàn)?MSE 對(duì)所有點(diǎn)一視同仁而人眼對(duì)眼部偏移更敏感。一個(gè)有效改進(jìn)是加權(quán) MSEdef weighted_mse_loss(pred, target, weightsNone): pred, target: (B, 30) tensor, each 2 values per keypoint weights: (15,) array, e.g., eyes get weight 2.0, mouth gets 1.0 if weights is None: weights np.ones(15) # reshape to (B, 15, 2) pred_kps pred.view(-1, 15, 2) target_kps target.view(-1, 15, 2) # compute per-keypoint MSE: (B, 15) mse_per_kp torch.mean((pred_kps - target_kps) ** 2, dim2) # mean over x,y # apply weights: (15,) - (1,15) broadcast weighted_mse mse_per_kp * torch.tensor(weights, dtypetorch.float32).unsqueeze(0) return torch.mean(weighted_mse) # 使用示例 weights np.array([2.0, 2.0, 1.5, 1.5, 1.5, 1.5, 1.2, 1.2, 1.2, 1.2, 1.0, 1.0, 1.0, 1.0, 1.0]) # 眼部權(quán)重最高 criterion lambda p,t: weighted_mse_loss(p,t,weights)為什么眼部要加權(quán)在training.csv中眼部關(guān)鍵點(diǎn)如left_eye_center的標(biāo)注一致性高達(dá) 92%而mouth_center_top_lip僅 76%說(shuō)明眼部 ground truth 更可靠模型應(yīng)優(yōu)先擬合權(quán)重2.0不是拍腦袋實(shí)驗(yàn)發(fā)現(xiàn)當(dāng)眼部權(quán)重從 1.0 提至 2.0 時(shí)val loss 下降 18%且測(cè)試集上眼部平均誤差從 6.2px 降至 4.1px而嘴部誤差僅增加 0.3px收益遠(yuǎn)大于成本。4. 訓(xùn)練循環(huán)與早停策略Jupyter 里如何避免“訓(xùn)到天亮才發(fā)現(xiàn)過(guò)擬合”在 Jupyter Notebook 中訓(xùn)練最大的風(fēng)險(xiǎn)是你調(diào)好 learning rate跑 50 epoch 發(fā)現(xiàn) val loss 開(kāi)始上升但此時(shí)已無(wú)法回退——因?yàn)閙odel.state_dict()沒(méi)保存optimizer狀態(tài)丟失。CVND 項(xiàng)目沒(méi)提供 checkpoint 機(jī)制必須自己補(bǔ)全。以下是一個(gè)生產(chǎn)級(jí)可用的訓(xùn)練腳本支持自動(dòng)保存最佳模型、動(dòng)態(tài)調(diào)整學(xué)習(xí)率、以及中斷后恢復(fù)。4.1 帶 checkpoint 的訓(xùn)練主循環(huán)import os import time from torch.optim import lr_scheduler def train_model(model, train_loader, val_loader, criterion, optimizer, num_epochs100, patience10, model_pathbest_model.pth): device torch.device(cuda if torch.cuda.is_available() else cpu) model.to(device) # 學(xué)習(xí)率調(diào)度器當(dāng) val loss 平穩(wěn) 5 epoch 后lr * 0.5 scheduler lr_scheduler.ReduceLROnPlateau(optimizer, modemin, factor0.5, patience5, verboseTrue) best_val_loss float(inf) epochs_no_improve 0 history {train_loss: [], val_loss: []} for epoch in range(num_epochs): print(f\nEpoch {epoch1}/{num_epochs}) print(- * 30) # 訓(xùn)練階段 model.train() running_loss 0.0 for inputs, labels in train_loader: inputs, labels inputs.to(device), labels.to(device) optimizer.zero_grad() outputs model(inputs) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * inputs.size(0) epoch_loss running_loss / len(train_loader.dataset) history[train_loss].append(epoch_loss) # 驗(yàn)證階段 model.eval() val_loss 0.0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels inputs.to(device), labels.to(device) outputs model(inputs) loss criterion(outputs, labels) val_loss loss.item() * inputs.size(0) val_loss val_loss / len(val_loader.dataset) history[val_loss].append(val_loss) print(fTrain Loss: {epoch_loss:.4f} | Val Loss: {val_loss:.4f}) # 更新學(xué)習(xí)率 scheduler.step(val_loss) # 早停與保存 if val_loss best_val_loss: best_val_loss val_loss epochs_no_improve 0 # 保存完整狀態(tài)模型、優(yōu)化器、當(dāng)前 epoch、loss torch.save({ epoch: epoch, model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), val_loss: val_loss, history: history }, model_path) print(f? 保存最佳模型到 {model_path}) else: epochs_no_improve 1 print(f?? 已 {epochs_no_improve} epoch 未提升) if epochs_no_improve patience: print(f 早停觸發(fā){patience} epoch 無(wú)提升終止訓(xùn)練) break return model, history # 初始化 model FacialKeypointResNet() criterion nn.MSELoss() optimizer torch.optim.Adam(model.parameters(), lr0.001) train_dataset FacialKeypointsDataset(train_images, train_keypoints) # 劃分訓(xùn)練/驗(yàn)證集8:2 train_size int(0.8 * len(train_dataset)) val_size len(train_dataset) - train_size train_subset, val_subset torch.utils.data.random_split(train_dataset, [train_size, val_size]) train_loader DataLoader(train_subset, batch_size32, shuffleTrue, num_workers0) val_loader DataLoader(val_subset, batch_size32, shuffleFalse, num_workers0) # 開(kāi)始訓(xùn)練 model, hist train_model(model, train_loader, val_loader, criterion, optimizer, num_epochs100, patience15, model_pathp1_best.pth)關(guān)鍵設(shè)計(jì)點(diǎn)torch.save()保存的是dict包含model_state_dict和optimizer_state_dict這樣中斷后可用torch.load()恢復(fù)全部狀態(tài)無(wú)需從頭開(kāi)始lr_scheduler.ReduceLROnPlateau的patience5比patience10更激進(jìn)因小數(shù)據(jù)集上 loss 波動(dòng)大等太久會(huì)錯(cuò)過(guò)最優(yōu) lrval_loader的shuffleFalse是必須的早停判斷依賴穩(wěn)定 val loss若每次驗(yàn)證打亂順序loss 波動(dòng)會(huì)掩蓋真實(shí)趨勢(shì)。4.2 可視化訓(xùn)練曲線一眼識(shí)別過(guò)擬合拐點(diǎn)def plot_training_history(history): plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(history[train_loss], labelTrain Loss, markero) plt.plot(history[val_loss], labelVal Loss, markers) plt.title(Training and Validation Loss) plt.xlabel(Epoch) plt.ylabel(Loss) plt.legend() plt.grid(True) plt.subplot(1, 2, 2) # 計(jì)算 loss 差值找拐點(diǎn) diff np.array(history[val_loss][1:]) - np.array(history[val_loss][:-1]) plt.plot(diff, labelVal Loss Delta, colorred) plt.axhline(y0, colork, linestyle--, alpha0.5) plt.title(Validation Loss Change) plt.xlabel(Epoch) plt.ylabel(Delta) plt.legend() plt.grid(True) plt.tight_layout() plt.show() plot_training_history(hist)如何讀圖左圖中若val_loss曲線在某 epoch 后持續(xù)上揚(yáng)而train_loss仍下降即為過(guò)擬合右圖中Val Loss Delta首次連續(xù) 3 個(gè) epoch 0.0005即為過(guò)擬合起始點(diǎn)我一般設(shè)閾值 0.0005因原始 loss 量級(jí)在 0.01~0.03從那以后我每次訓(xùn)練都強(qiáng)制在plot_training_history()后手動(dòng)檢查右圖哪怕多花 10 秒——這 10 秒能省下 2 小時(shí)無(wú)效訓(xùn)練。5. 避坑指南Jupyter 環(huán)境下 5 個(gè)真實(shí)翻車現(xiàn)場(chǎng)與自救方案在 Jupyter Notebook 中跑通 P1_Facial_Keypoints最大的敵人不是算法而是環(huán)境交互的隱性約束。以下是我在某高校實(shí)驗(yàn)室?guī)?12 名學(xué)生復(fù)現(xiàn)時(shí)高頻出現(xiàn)的 5 個(gè)問(wèn)題每個(gè)都附帶可復(fù)制的診斷命令和一行修復(fù)代碼。5.1 現(xiàn)象RuntimeError: CUDA out of memory但nvidia-smi顯示顯存空閑原因Jupyter 內(nèi)核啟動(dòng)時(shí)未釋放上一輪訓(xùn)練殘留的 GPU tensor。PyTorch 的torch.cuda.empty_cache()在 notebook 中有時(shí)失效因內(nèi)核持有引用。解決重啟內(nèi)核 手動(dòng)清空緩存# 在終端執(zhí)行非 notebook cell jupyter kernelspec list # 查看 kernel 名 jupyter kernelspec remove python3 # 刪除當(dāng)前 kernel jupyter kernelspec install --user /path/to/your/env/share/jupyter/kernels/python3 # 重裝或更簡(jiǎn)單在 notebook 中執(zhí)行import gc import torch gc.collect() torch.cuda.empty_cache() # 然后重啟內(nèi)核Kernel → Restart5.2 現(xiàn)象KeyError: left_eye_center_x但 CSV 文件明明有該列原因pandas.read_csv()默認(rèn)將首行作為列名但原始training.csv第一行是left_eye_center_x,left_eye_center_y,...,Image而第二行才是數(shù)據(jù)。若文件開(kāi)頭有 BOM\ufeffread_csv會(huì)把列名讀成\ufeffleft_eye_center_x。解決強(qiáng)制指定編碼并跳過(guò) BOMdf pd.read_csv(csv_path, encodingutf-8-sig) # utf-8-sig 自動(dòng)處理 BOM # 驗(yàn)證列名 print([col.strip() for col in df.columns.tolist()][:5])5.3 現(xiàn)象訓(xùn)練 loss 為nan且model.parameters()中出現(xiàn)inf原因nn.MSELoss輸入含nan通常源于圖像預(yù)處理時(shí)除零如img / 255.0時(shí)img是全 0 數(shù)組。原始數(shù)據(jù)中約 0.3% 圖像base64解碼后為全黑值全 0歸一化后仍是 0但若后續(xù)做log或sqrt會(huì)出 nan。解決在load_and_preprocess_csv中加入防 nan 檢查if np.all(img_array 0): print(f警告樣本 {row.name} 為全黑圖跳過(guò)) continue if np.any(np.isnan(img_array)) or np.any(np.isinf(img_array)): print(f警告樣本 {row.name} 含 nan/inf跳過(guò)) continue5.4 現(xiàn)象DataLoader返回的keypointsshape 為(B, 30)但模型輸出是(B, 30)loss 計(jì)算卻報(bào)size mismatch原因keypoints是(B, 15, 2)view(-1,30)后是(B,30)但若B不是batch_size的整數(shù)倍如最后 batch 只有 12 張view會(huì)失敗。DataLoader的drop_lastTrue可解決但會(huì)丟數(shù)據(jù)。解決在__getitem__中統(tǒng)一 pad 到固定 batch size# 在 FacialKeypointsDataset.__getitem__ 末尾添加 if img.size(0) ! 32: # 假設(shè) batch_size32 # pad image: (1,96,96) - (32,96,96) 不現(xiàn)實(shí)改用動(dòng)態(tài) batch pass # 更優(yōu)解設(shè)置 DataLoader(drop_lastTrue)接受少量數(shù)據(jù)損失實(shí)際采用train_loader DataLoader(..., drop_lastTrue)因 2140 % 32 12僅損失 12 張圖可接受。5.5 現(xiàn)象torch.tanh輸出全為-1.0或1.0loss 不下降原因tanh的梯度在±1附近趨近于 0導(dǎo)數(shù)1 - tanh^2(x)若初始化權(quán)重過(guò)大x遠(yuǎn)離 0tanh(x)飽和梯度消失。解決用torch.nn.init.xavier_normal_初始化 FC 層權(quán)重def init_weights(m): if isinstance(m, nn.Linear): torch.nn.init.xavier_normal_(m.weight) m.bias.data.fill_(0.01) # bias 初始為小正數(shù)防 dead relu model.apply(init_weights)6. 模型推理與部署技巧如何把 Jupyter 里的模型變成可交付的.pth文件訓(xùn)練完模型下一步不是交作業(yè)而是驗(yàn)證它能否脫離 Jupyter 環(huán)境獨(dú)立運(yùn)行——這才是工程落地的分水嶺。很多人卡在這一步在 notebook 里model.eval()正常但導(dǎo)出為.pth后在純 Python 腳本中加載就報(bào)AttributeError: NoneType object has no attribute eval。問(wèn)題不在模型而在DataLoader和transform的耦合。下面給出一套從訓(xùn)練到部署的端到端流程確保你在任何環(huán)境都能import torch; model torch.load(p1.pth); model(input_img)。6.1 導(dǎo)出純凈模型剝離所有 Jupyter 特定依賴訓(xùn)練完成后p1_best.pth里存的是state_dict但直接torch.load()會(huì)返回 dict需先實(shí)例化模型類。而模型類定義在 notebook cell 中外部腳本無(wú)法 import。解決方案將模型類定義為獨(dú)立.py文件。# 創(chuàng)建 facial_keypoint_model.py echo import torch import torch.nn as nn class FacialKeypointResNet(nn.Module): def __init__(self): super(FacialKeypointResNet, self).__init__() self.conv1 nn.Conv2d(1, 32, kernel_size4, stride1, padding0) self.pool1 nn.MaxPool2d(2, stride2) self.bn1 nn.BatchNorm2d(32) self.conv2 nn.Conv2d(32, 64, kernel_size3, stride1, padding0) self.pool2 nn.MaxPool2d(2, stride2) self.bn2 nn.BatchNorm2d(64) self.conv3 nn.Conv2d(64, 128, kernel_size2, stride1, padding0) self.pool3 nn.MaxPool2d(2, stride2) self.bn3 nn.BatchNorm2d(128) self.fc1 nn.Linear(2*2*128, 512) self.fc2 nn.Linear(512, 30) self.dropout nn.Dropout(0.2) def forward(self, x): x self.pool1(torch.relu(self.bn1(self.conv1(x)))) x self.pool2(torch.relu(self.bn2(self.conv2(x)))) x self.pool3(torch.relu(self.bn3(self.conv3(x)))) x x.view(x.size(0), -1) x torch.relu(self.fc1(x)) x self.dropout(x) x self.fc2(x) return torch.tanh(x) facial_keypoint_model.py6.2 構(gòu)建推理 pipeline三行代碼完成端到端預(yù)測(cè)# predict.py import torch import numpy as np from PIL import Image import base64 import sys from facial_keypoint_model import FacialKeypointResNet def load_model(model_path): model FacialKeypointResNet() checkpoint torch.load(model_path, map_locationcpu) model.load_state_dict(checkpoint[model_state_dict]) model.eval() return model def preprocess_image(image_path): 支持 jpg/png 文件或 base64 字符串 if image_path.endswith(.jpg) or image_path.endswith(.png): img Image.open(image_path).convert( p a hrefhttps://download.csdn.net/download/weixin_42116701/18676562 stylecolor:#ec7500;font-size:14px; 本文還有配套的精品資源點(diǎn)擊獲取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
一级性感毛片| 日日操日日射| 国产超碰在线| 丁香九月激情久久| 9久热在线视频精品| 色五月婷婷激情基地| 欧美VA在线| 天堂二区| 深爱激情69热| 久操人| 婷婷五月天干干| 大地资源色婷婷视频在线| 精品婷婷五| 99热这里只有精品在线观看| 欧美色欲色欲天天天www| 丁香网五月天| 丁香五月婷婷基地| 九九热视频精品2| 婷婷五月天成人| 亚欧州精品视频| 99热精品在线| 欧洲亚洲免费视频9| 青青青在线视频国产| 中文字幕不卡+婷婷五月| 色色五月天婷婷| 日韩国产在线免费观看| 99视频精品| 久久99久久99久久99人受| 天天爱天天做天天操| 色99在线观看| 亚洲综合色婷| 丁香婷婷五月天激情四射| 丁香九月婷| 久久综合丁香激情五月| 色久激情在线| 午夜日韩久久久网站| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 免费精品99| 五月丁香六月婷婷亚洲激情综合| 久久五月情| 黄色成人网站在线播放| 婷婷五月丁香五月天| 99性爱| 色,激情五月天| 久9热| 中文不卡一二区| 久热A片| 五月天综合在线观看视频| 国产av影片| 99这里有精品视频| 五月丁香六月婷婷姐| 成人av在线电影| 婷婷丁香97| 天天噜天天爱| 日韩超碰在线| 婷婷五月天最新网址| 舔色婷婷| 97色热| 狠狠色成人影片| 日本美女天天日天天爽| 狠狠操狠狠爱| 这里都是精品99| 生活片五区| 日本一级大片| www五月天com| 中文字幕成人影视| 久久久精品免费啪啪国| 1024AV视频| 超碰人人在线观看| 色五月婷婷激情基地| 色色色色色色色色色色色色色色,网站| 国产精产国品一二三在观看| 精品夜夜澡人妻无码AV| 成人丁香婷婷| 五月婷婷丁香伦理网| 久久人操| 丁香五月网站| 亚洲激情综合五月婷婷啪啪| 婷婷五月花丁香| 亚洲第一精品成人999久久精品| 思思热在线精品视频网站| 超碰人人干| 日本久久人人| 99成人网站| av网址在线| 91蜜桃婷婷狠狠久久综合9色| 开心五月婷婷激情| 深爱激情网噜噜色| 婷婷六月伊人| 91色在线/日韩| 午夜丁香婷婷| 99国产精品久久久久久久久久久| 色色色色色色色色色色色色色色,网站| 天天干在线播放| 五月丁香亭亭A片| 9久操| 91porn一起草| 色婷婷色久综| 任你操精品免费| 丁香六月婷婷综合| 天天日天天插| 偷拍91九色| 亚洲午夜av| 国产伦理精品高清在线观看网站一区二区 | 婷婷五月天激情小说网站| 啪啪激情网站| 丝袜大香蕉| 久久免片| 亚洲国产网址| 9 99免费视频| 日日想日日夜日日操| www一区二区三区| 99热免| 日韩啪啪网| 国产精品第一国产精品| 《诡秘之主》在线观看| 久久人操| 91色涩| 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 | 色婷婷五月天av在线| 97成人丁香| 99激情| 婷婷激情四射| www.夜夜操| 中文字幕在线免费观看视频| 尔尔AV一区| 97干视频| 99精品无码| 丁香五月婷婷影院| 久久香蕉网| 99色| 日韩一区二区A片免费观看| 可以免费观看的AV| 国产成人精品一区二三区熟女在线| 久热大香蕉| 开心激情综合| 婷婷五月综合中文字幕| 激情啪啪五月天| 婷婷五月天播播| 秋霞影音91人妻久久| 亚洲婷婷婷| 五月婷婷亚洲综合网| 怡春院久操| 色婷婷基地在线| 婷婷亚洲五月| 丁香五月亚洲婷婷| 亚洲九区| 另类专区在线观看| 超碰成人在线观看| 综合色网站| 五月丁香婷庭在线| 9999久久久久| 激情视频综合| 99综合自拍| 五月婷六月| 操碰99| 激情五月天丁香| 九九精品视频免费在线| 久色大| 葵花AV在线| 超碰免费人| 中文幕无线码中文字蜜桃| 日韩av一区二区在线/日产精品久久久| 亚洲第一成人无码A片| www.ywav| 综合五月婷婷| 米奇影视资源777狠狠色婷婷五月天激情网 | 九九99一区| 夜夜干夜夜操| 色婷婷六月| JAPANRCEP老熟妇乱子伦视频| 久久综合久色欧美综合狠狠| 久久一品区| 九九色之九九色之88| 中文字幕 中文字幕明步| 久操大屁股女人av| 开心五月婷婷| 亚洲激情四射| 亚洲激情五月| 涩丁香91| 色色色色网| 91丨九色丨首页| 欧美狠狠草| 色色色热热热| 深爱五月中文字幕| 亚洲AV日韩在线观看| 亚洲婷婷六月天| 欧美性生交XXXXX无码小说| 狠狠艹狠狠艹| 精品成人在线| 亚洲成人乱码av网站| 操人91| 久久狠色噜噜狠狠狠狠97| 五月天激情综合网| 色婷婷六月精品| 婷婷色色网站| 午夜丁香婷婷| 久9热| 99热激情| 久久机热思思热| 婷婷五月天激情基地| 丁香五月婷婷图片综合| 99热在线观看精品| 日本啪啪网| 97婷婷狠狠| 九九综合| 国产性爱在线| 久久3p| 丁香六月婷婷综合| 亚洲综合网在线| 色色网站免费观看| 九九九九九九综合| 五月婷婷激情| ji'qi'luan'ren'lun| 久久曰曰| 婷婷六月综合基地| 婷婷六月视频| 9久热精品在线视频| 久久综合香蕉国产国产蜜臀AV| 97色97干| 天天操天天曰| 国产偷人爽久久久久久老妇APP| 婷婷久久18| 丁香五月在线人妻| 91凹凸在线| 夜夜夜夜夜操| 日本婷久久| 丁香五月天激情综合网| 激情五月婷婷| 999热成人在线综合网| 五月婷三级片| 超碰免费在线| 激情WWW| 超级碰碰碰久久网站| 色优久久| 激情久久肏屄视频| 香蕉乱插| 久久机热这里只有精品免费视频| 97av在线视频| 亚州AV超碰人人操| 五月天婷婷综合网| 五月婷婷xxx| 狠狠色噜噜狠狠| 先锋av性爱成人电影| 日逼影音先锋男人资源站| www.精品99| www.人人操人人看人人想人人摸 人人人人操,COM| 日本97在线观看| 久久久久亚洲AV成人无码电影| 99热在这里只有免费精品| 激情五月综合网丁| 丁香六月综合激情| 六月色播| 五月激情综| 丁香五月婷婷偷拍| 婷婷综合国产| 欧美私人家庭影院| 97福利视频| 情久久综合五月天| 丁香六月青青草| 五月香六月婷| 极品五月天| 婷婷五月天激情小说网站| 色婷婷成人做爰A片免费看网站 | 9九色首页| 婷久久综合| 色欲操| 99热首页| 色色色视频免费无码| 婷婷深爱五月| 97色色色视屏| 亚洲欧洲另类图片| 夜夜爽天操| 看久久性爱99视频| 久久激情综合| 播五月丁香六月| 蜜桃五月天| 影音先锋高清无码资源网| 操逼六区| 丁香久月| 婷婷涩五月天综合| 亚洲瑟瑟精品在线| 可以直接看的av网站| 97人妻碰碰碰久| 无码九九九九| 69综合在线| 婷婷五月性感| 婷婷丁香18| 美女五月天| 激情婷婷久久| 99色热视频| 五月丁香六月婷婷在线| 强伦轩人妻一区二区电影| 天天摸日日舔狠狠添婷婷婷 | 99ri视频| 人人操Av| 色婷婷小视频| 六月丁香综合| 、激情六月天| 日韩欧美不卡| 六月色婷婷| 久久女人天堂| 国产成人片| 亚洲综合五月天综合| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 国产精品A成V人在线播放| 国产淫熟妇| 九九热青青草| 综合色吧| www.五月天色色色| 五月花丁香婷婷| 五月婷久草| 色色欧美色色色| 激情性五月天免费小说视频 | 国产毛片欧美毛片久久久| 久久婷婷五月天激情四射| 天天天久久人人人合| 国产探花AV在线| 97色色色色色色色色色色色色色| 五月情涩综合婷婷| 狠狠干在线| 亚洲丁香婷婷丁香五月天激情| 色婷婷www| 久色视频| 色婷婷视频| 亭亭玉月丁香| 色和综合网| 91久久人人操| www.婷婷五月| 天天干天天操| 一本久道综合99| 五月婷婷激情综合| 天天激情| 婷婷丁香午夜综合影视| 操人精品| 亚洲久热| 成人网在线视频| 99re思思精品视频在线观看| 538任你爽视频不一样的| 色婷网| 涩婷婷五月天| 大香蕉久热| 精品香蕉99久久久久网站| 五月久视频| 一点色成人网| 天天爽曰日爽| www.久久综合| 91久久久久久久| 综合另类视频| 五月丁香好婷婷A片网| 综合狠狠干| 丁香婷婷五月份| 91玖玖| 天天 青草 丝袜制服 在线| 狠狠xx| 伊人色综合网| 亚洲V国产V欧美V久久久久久| 91女人18毛片水多国产| 大香蕉五月丁香| 婷婷丁香人妻| 91黄址| 90色免费视频| 九月丁香婷婷| 开心激情站| 中文字幕日产A片在线看| 久草xx性爱视频| 天天色域综合网| 夜夜干天天操| 天天色综网| 大香蕉五月天婷婷丁香91| 九九九这里只有精品| 婷婷综合色五月天| 丰满老熟妇BBBBB搡BBB| 美女网黄| 婷婷狠狠色| 亚洲aV写真天天综合网久久| www.99热在线观看| 激情九九六月激情免费视频| 色99欧洲色19| 婷婷九月久久| 欧美人与性动交CCOO| 另类图片色五月| 丁香综合网| 深爱婷婷色| 怕怕視頻| 青青草原中文字幕| 九九热精品| 九九精品综合| 久久综合影院| 九月色婷婷综合| 伊人久久丁香狠狠婷婷综合香蕉 | 九月综合| 色综合综合网| 亚洲五月六丁香激情| 欧美日韩99| 无码髙清| 97婷婷狠狠| 伊人综合色干| 182TV亚洲| 亚洲综合碰| 日本激情综合| 高清无码网址| 亚洲六月综合激情久久下卡| 亚洲小视频免费观看| 五月婷婷激情| 亚洲婷婷丁香五月| 婷婷五月激情五月激情| 五月丁香亚州综合网| 人人干天天操五月丁香| 天天色播| 99热日韩这里只有精品| 超碰激情网| 亚洲va在线∨a天堂va欧美va| 亚洲人妻五月丁香婷婷| 久久久久丁香婷婷五月天| 5月婷婷五月天| 久久性爱视频这里只有精品 | 99久久99热| 五月激情婷婷国产精品久久久久久| 麻豆AV一区二区三区| 深情六月婷婷综合久久| 狠狠干狠狠干| 五月婷婷综合色啪首页| WW婷婷五月天com| 激情五月婷婷伊人| 五月Huangsewang| 停停色综合伊人| 久久久天堂国产精品女人| 青青草性爱视频| 99视频精品在线| 激情综合色| 99色婷婷视频| 亚洲啪视频| 97色干| 异能之下短剧免费观看全集| 欧洲色| 欧美激情丁香五月天久久婷婷一区| 一起草日本| 五六月婷婷久久| CAOBIBI| 日本一毛片| 69精品人人人人| ,99视频久久| 婷婷五月天成人| 伊人五月天男人的天堂在线| 成熟妇人A片免费看网站| 逼逼AV| 亚洲国产精品VA在线看黑人| 激情五月,婷婷五月,丁香五月| 好色婷婷| 久青草影院| 五月婷久久在线| 亚洲影院婷婷色| 婷婷五月天视频亚洲| 婷婷综合九月| 五月天色综合| 五月色网| 久9久9热久热| 中文字幕 中文字幕明步| 六月香五月婷| 婷婷激情五月天小说| 久久大香蕉同僚| 婷婷综合色图| 五月天激情小说| 91人久| 亚洲天堂有码| 99re99热| 噜噜狠狠色综合久| 97色五月婷婷在线| 亚洲色图81p| 国产成人高清| 2w在线视频| 天天操中文字幕| 无遮挡国产高潮视频免费观看| 亚洲中文字幕翔田千里| AV堂狠狠干| 四色99久久| 337p大胆噜噜噜噜噜91Av| 五月婷中文娱乐综合| 99热只有精品在线播放| 激情第四色| AV成人在线网站| 激情五月综合网最新| 激情五月丁香六月婷婷| 色一情一乱一乱一区91Av| 在线伦子99热| 这里只有精品免费视频在线观看 | 婷婷综合激情五月中文字幕| 在线网黄| 色婷婷啪啪| se99在线| 五月丁香婷婷欧美| 超碰色色综合| 亚洲中文乱字字幕在线永久| 99热这里只有精品9| 婷婷综合激情| 日本一级特黄大片AAAAA级| 高清无码 一区 二区 三区| 久久激情五月婷婷| 久久激情五月天| 午夜成人AV在线| 九九精品re免费视频| 国产国产乱老熟女视频网站97| 99热综合网| 人人爽亚洲| 人妻内射麻豆视频| 人人爱干人人爱草| 成人午夜无码视频| 99色色| 99在线综合视频| 色色欧美。| 中文字幕黄色片| 国产97色在线 | 日韩| 丁香五月婷中字幕| 日本五月天一页| 人人干AV| 久久草婷婷丁香网站| 天天激情综合| 激情色中文| 色色五月天激情| 婷婷六月视频| 久99热在线观看| 久久激情婷婷| 超碰在线94| 五月丁香亚州综合网| 亚洲三A| 国产古装妇女野外A片| 五月婷婷深深爱| 色屌丝中文字幕| 狠狠爱综合网| 色婷婷电影网| 天天综合色| 婷婷色网| 艳妇野外情欲放荡HD| 午夜成人片400| 少妇AB又爽又紧无码网站| 婷婷久久五月| 亚洲电影在线观看| 少妇高潮呻吟A片免费看软件| 成人电影一区| 综合久久婷婷| 亚洲综合丁香五月| 五月桃花网综合| 五月婷婷五月天亚洲无码| 婷婷大香焦| 伍月婷丁香花全集| 色激情五月天| 亚洲人妻av| 国产精品国产成人国产三级| 五月丁香六月片| 激情精品久久| 色婷另类| 五月婷婷高清| 人人舔天天| 婷婷五月图片小说网| 五月天婷婷爱| 另类图片色五月| 激情五月五月婷婷| 中文字幕成人网站| 六月丁香婷婷大香蕉| 久久精品系列| 婷婷的激情五月| 色五月婷婷激情五月| 丁香五月 六月婷婷首页| 亚洲色激情| www.激情| 激情五月天色色| 天天日中文| 久久区区一二三av| 亚洲最大在线| 少妇口诉沐足视频播放器网址| 激情五月婷婷色播网| 激情綜合W W W,激情五月天| 中文字幕在线免费观看视频| 丁香五月激情视频在线| 五月丁香六月欧美综合网站| 国产精品成人在线| 4399无码视频| 五月婷婷婷综合网| 桃色伊人在线| 五月激情小说| 欧美槡BBBB槡BBB少妇| 99视频综合网| 中文字幕成人| 色噜噜狠狠色综无码久久合欧美| 久久丁香五月综合六月激情红杏视频| 另类色视频| 色婷婷丁香香香蕉视频| 这里只有精品视频99| 操碰色一区就去操| 久热 91| 人妻在线中文字幕久久| 五月婷婷六月天| 色婷婷视频| 久久九九re热| 色小说婷婷五月天天天| 9月色婷婷| 青柠影视免费高清电视剧| 热99久| 天天干狠狠操| 五月天丁香网站| 国产一二区爆乳_1国产日韩一区二区三-成人AV| 五月丁香婷婷啪啪网| 熟女五月天久久综合| 狠狠综合久久综合| 久久香蕉网| 丁香婷婷深情五月亚洲| 多精窝99在线视频| 久Se视频在线观看| 日韩成人不卡| 丁香五月大香蕉| 五月婷天天搞视频| 国产xxxxx在线观看| 五月丁香A∨在线| 激情五月综合| 亚洲婷婷五月天| 玖玖色综合色| 精品乱码久久久久| 天天插天天爱| 色五月婷婷开心| 人人人操| 99人人看| 成人在线观看国产| 网站免费一站二站| 丁香五月婷婷综合激情哟哟哟| 粉嫩av懂色av蜜臀av熟妇| 日日夜夜爽| 成人无码精品1区2区3区免费看| 久艹大香蕉| 亚洲成av人影院| 综合色99| 五月天淫乱视频| 人妻操在线看| 久久杏爱视频| 精品久热| 另类伊人婷婷| 日本天堂免费99| 大香蕉婷婷婷| 色丁香久久久| 色综色网| 中文不卡一二区| 性av| WWW.桔色成人.COM入口| 午夜婷婷| 色爱99| 人妻精品一区二区三区| 色播婷婷五月天| 九九色播五月丁香| 91精品国产99久久久久久天美| 99九九视频| 超碰啪啪网| 五月婷婷丁香色播网| 亚洲第一成人无码A片| 五月天激情网图片 - 百度| 丁香五月香蕉| 六月婷婷无码| AA片在线观看视频在线播放| 五月视频日本免费观看| 天天爽天天操| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 婷婷五月天丁香社区| 久啪欧美| 99在线资源| aa久久| 亚洲高清在线| 亚洲另类婷婷五月丁香在线播放| 九九亚洲| 激情综合网激情五月欧美| 人妻第九页| 婷婷五月视频| 日亚二欧美| www.婷婷五月天| 久久久香| 香蕉综合网| 26uuuavcom| 99热99精品在线观看| 亚洲色色香蕉| 久久久99免费视频| 色五月在线播放| 激情网五月天| 婷婷五月在线视频| 五月天综合激情网| 色噜噜综合网| 天天干天天爽| 色狠狠色噜噜AV天堂五区| 最近免费中文字幕大全高清大全1| 九九在线视频| 五月丁香综合精品欧美| 久久电影五月天丁香电影| 天天日夜夜高潮| 久久婷婷一级片| WWW.桔色成人.COM| 久久色频| 久9热在线免费观看| 丁香婷婷激情| 蜜臀av无码久久久久久久久| 日韩av免费版| 99热爱爱干干日| Xx色综合| 五月综合色| 天天色宗合| 中文字幕按摩做爰| 99免费视频网| 久久久27操| 99操逼| 久久五月天色| 中文网AV| 碰碰碰97免费精彩视频| 日日操夜夜撸| 2025色婷婷| 人人人操Av| 天天操天天插天天射| 丁香五月自拍| 五月天婷婷人妻| 久久丁香五月天| 99热超碰人| 啪啪一区| 精品久久艹| 精品色情一区二区三区四区| 婷婷影院欧美| 亚洲精品无AMM毛片| 五月婷婷在线观看黄| 好吊操这里只有精品| 色欧美日| 99热热热99精品婷婷| 婷婷射综合| 97色婷婷五月天| 超碰99在线观看| 五月天丁香看婷婷| 这里只有精品久久| 99在线视频精品| 亚洲免费99| 亚洲视频a| 五月天婷婷激情网| 2025神马午夜福利| 人人爱人人草| 亚洲午夜电影| 99在线精品视频免费观看20| 亚洲 激情 中文| 久热中文字幕| 九九热91| 国产av网| 国产真人做爰视频免费| 久久婷五月婷| 日日夜夜天天| 色五月婷婷色五月| 激情五月婷婷综合视频| 怕怕視頻| 久热九九| 婷婷九月综合| 色色亚洲视频| 色五月丁香伊人五月| 五月色 亚洲| 97超碰婷婷五月天| 五月色情婷婷开心五月天| www九九热| 亚洲激情精品| 亚洲色视频| 综合色色色色色色| 五月天婷婷午夜丁香| 99视频35精品视频在线观看| 婷婷丁香综合| 丁香五月久久社区| 婷婷热色| 亚洲av另类在线观看| 香蕉久久国产AV一区二区 | 99er6免费视频热播| 激情久久 婷婷| 人碰91| cao视频,现在观看| 婷婷操无码| 熟女强人妻一区二区三区四区无| av国产精品| 婷婷99狠狠躁天天躁| 五月天成人综合| 久久亚洲激情五码| 婷婷金品综合视频| 天天干天干| 思思热在线播放| 六月丁香激情网| 思思re99视频在线观看| 玖玖婷婷五月天| 99久久婷婷| www.色综合| 尔尔AV一区| 久久激情五月| 欧美大片| 五月丁香婷婷钟和色图| 五月激情综合婷婷| 综合久久综合五月天婷婷| 任我肏视频精品| 色色五月激情| 91狠狠综合网| 人人爱操| 广东99色在线| 五月天伊人日日噜影片AV| 婷婷丁香基地在线| 六月丁AV| 色99色| 91人妻PORNY九色大屁股| 五月婷婷在线免费观看| 色婷婷电影| 国产一二区爆乳_1国产日韩一区二区三-成人AV | 91pornav在线| 中文无码婷婷| 69精品人人人人| 久久99久久99久久99人受| 成人午夜天| 婷婷五月天最新网址| 综合精品99| 午夜激情婷婷| 2025中文在线视频字幕免费观看| 色五月婷婷DVD| 99免费热视频在线| 91超碰九色| 激情综合五月天| 日韩三十六页| 五月婷婷深深爱| 六月亚洲婷婷6月中文字幕| 视频这里只有精品16| 噜噜噜噜噜色| 91碰视频| 爱超碰性| 天久久久久| 久思思热视频在线观看| 九九九九九九九热| 亚洲精品99| 九九亚洲| 大香蕉在线观看9| 亚洲欧美婷婷五月色综合| 99热在线99| 人草人人| 亚洲视频99| 在线综合亚洲欧美65| 色色色五月婷| 婷婷亚洲丁香五月| 99爱视频| 日本欧美成人片AAAA| 午夜成人在线免费视频| 六月婷婷五月丁香首页| 可以直接看的AV| 日日色综合| 超碰在线个人观看| 色婷婷五月开心六月综合| 中文国产五月天| 成人看片网站| www.九月婷婷丁香.com| 99视频超级精品| 婷婷五月天欧美| 欧美99热| 综合超碰熟| 婷婷五月天无码视频| 五月天婷婷成人网| 99久久国产宗和精品1上映| 踪合专区啪啪| 婷婷五月色丁香在线看| 97婷婷色| 久草嫩草在线观看| 五月天婷婷在线观看精品男人| 丁香美女五月天婷婷| 亚洲亚洲人成综合网络| 99九九精品视频| 99性感视频| 日日天天干| 狠狠情色| 五月丁香在线婷婷美女| 99视频精品| 五月婷婷婷综合网| 五月激情久久综合网| 丁香五月天激情综合| 欧美大香蕉视频| 老司机伊人| 99国产在线精品视频| 狠狠爱综合网| 婷婷 伊人 久久| 蜜乳AV成人| 六月米奇色综合| 热99在线| 激情黄色小说色五月| 婷婷五月天无码| 丁香五月婷婷社区| 成人小说 五月天 婷婷| 五月激情影视| 天天射美女| 日日杆天天| 亚洲三A| 综合激情五月丁香| www.夜夜操.com| 久久刺激网| 亚洲视色| av在线婷婷| 伊人五月人妻精品| 天天拍天天操| 天天综合激情| 日本五月天激情| www.9色色色| 深爱激情网噜噜色| ..真实国产乱子伦对白在线_欧 | 综合五月激情| 婷婷五月天激情综合网| 狠狠综合网| 色婷婷手机在线| 久久婷综合| 久久久久久久97| 精品网站:999WWW| 中文字幕网站在线观看| 亚洲国产精品VA在线看黑人| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 亚洲婷婷激情888精品久| 99国产精品白浆在线观看免费| 五月婷婷综合热| 99成人在线观看| 97亚洲色 torrent magnet| 九热视频| 色播五月婷婷综合| 99色综合| 久草五月天电影网| 婷婷色情 | 综合五月激情| 亚洲六月色| 激情五月视频在线婷婷| 九九精品re免费视频| 91午夜激情| 久久丁香九| 97碰人人操| 中文字幕视频在线播放| 丁香婷婷色五月激情综合| 99久久精品国产色欲| 丁香婷婷五月六月久久| 日本三级大片| 欧美激情性做爰免费视频| 《》【无码】想被搞到爽AV应募而来的超M素人 西纯子 10musume-011723-01 | 色五月大| 久久婷丁香五月| 五月天色色网站| 丁香五月激情婷婷| 影音先锋 91工厂| 男人大jjc女人免费视频| 色婷婷小说| 色色激情五月| 六月丁香五月婷婷| 月婷婷亚洲| 九九热狼人| 蜜臀99精品| 婷婷亚洲天堂| 婷婷伊人綜合中文字幕| m色激情网| 99热欧美精品| 五月天综合视频| 五月丁香网中文字幕| 人人操9| 国产97色在线 | 日韩| 深爱五月月天| 久久44| 精品无吗va视频免费观看| 亚洲激情综合网| 人妻丰满精品一区二区A片| 五月激情偷拍| 在线播放成人网站| 少妇人妻偷人精品无码视频新浪| 成人视频婷婷| 狠狠干婷婷| 激情综合视频| 99久热| 99re这里只有精品免费| Www.se.久久| 日本色色色| 五月天激情综合10p| 婷婷激情五月视频| 色噜噜婷婷| 五月天天天色| 婷婷色激情网| 碰超亚洲| 午夜五月天| 97婷婷五月天| 99色视| 综合久久综合综合| 99热这里只有精品2| 思思久热| 99啪啪| 超级碰碰一区| 色五月在线观看| 一级操逼内射在线视频| 久久色情| 久久99jiu9| 人人摸人人干| 五月婷婷在线免费观看| 天天色情站| 久久99免费视屏| 五月激情影院| 亚洲日韩欧美综合VA| 热的国产99热| 99热碰碰| 丁香狠狠干| 五月婷婷综合网| 五月开心婷婷中文字幕| 超碰9在| 影音先锋日本三级资源| 99九九精品| 天天综合在线网| 婷婷五日b| 99热费观看| 性爱激情五月| 婷婷五月天久久久| 成人av在线网址| 激情婷婷五月天日本系列 | 我去色色网五雨天| 26uuu另类| 热99精品视频观看| 99热播放| 九九99偷拍视频| 国外亚洲成AV人片在线观看| 婷婷丁香久久| 2017人人操| 亚洲综合热| 婷婷99狠狠躁天天躁中文| 不卡在线视频| 亚洲人妻av| 久色网| 国产白丝在线一区| 99久久极情精品一区| 男人综合网| 久久婷婷五月国产激情综合片| www.maotanji.com| 亚洲第二AV| 蒲京久久无码视频| 国内外色色色色色成人视频| 九九热只有精品| 久久久大香蕉| 精品人妻在线| 丁香五月激情五月| 丁香六月av| 丁香六月婷婷五月天| 综合激情婷婷| 久久九色| 另类视频一区| 激情綜合網址| 丁香五月天激情四射网络不好| 琪琪色网在线| 天海翼中文字幕高| 在线看的免费网站| 国产SUV精品一区二区6| 99热免| 久久香蕉网| 亚洲第一第二网站| 丁香婷婷大香蕉| 久热9| 欧美在线97| WWW.17C亚洲精品| 人妻久久久久久| 婷婷五月天基地| 激情五月天天狠狠久久| 婷婷五月天视频免费在线观看| www.99热. com这里只有精品| 区区欧美你爱| 99亚洲无码| 九九热最新地址| 日日撸夜夜操| 色视频五月天| 丁香五月婷老师| 一本色道久久综合狠狠躁小说| 丁香婷婷六月男男| 99热这里只有精品8| 九九婷婷五月天| 久久99免费视频| 深爱五月日韩| 天天干天天日天天操| 精品人妻伦一二三区久久| 激情五月色婷婷| 婷婷五月天国产在线播放| 无码人妻一区| 在线视频99| 婷婷五月丁香基地| 中字幕视频在线永久在线观看免费| 五月丁香啪啪网| 国产精品18久久久| 中日韩美欧成人一区二区精品在线| 最新无码专区| 玖色色综合| 99久在线| 久久激情视频99| 99热只有精品综合| 成人欧美一区二区三区在线观看| 亚洲性色XXXXX| 天天狠狠夜夜狠狠2023| 97精品在线| 婷婷色五月丁香六月欧美啪| 深爱激情五月婷婷| 国产古装妇女野外A片| 激情玖玖综合网| 色色五月婷婷久久| 色婷婷综合久久久久| 99激情视频热| 五月丁香六月婷婷婷婷| 激情六月色| 色一情一乱一乱一区91Av| 操碰97| 中文字幕视频色婷婷| 丁香六月婷婷社区| 91超级碰在线视频| 人人爱天天摸摸天天爱| 思思热久热| 色色色干| 538在线精品| 五月婷婷操操| 五月天婷婷激情网| 欧美五月丁香啪啪响视频| 五月婷色啪| 粉嫩av蜜桃av蜜臀av| 91一起操| 中文字幕 中文字幕明步| 大香蕉75线| www.狠狠操.co m| 婷婷五月天开心激情网| 玖玖热视频| 久久色大香蕉| 99视频在线啪| 韩日在线熟女| 六月丁香婷婷综合在线| 99爱爱| 日韩欧美婷婷丁| 久久婷婷伊人| 激情九九这里只有精品| 亚州操操| 国产操B| 丁香六月婷婷综合| 欧美3AaAa大片| 九九久久五月天| 9热超碰| 欧洲综合视频| 夜丁香五月婷婷| 婷婷五月天色播| 亚洲激情五月| 丁香激情五月综合网| 九九色热| 搡BBBB搡BBB搡18| 久久总和99| 五月丁香花婷婷玉莉AV| 婷婷五月天福利| 一级性爱大片| 五月丁香婷婷激情久久| 91seav| 欧美一级a | 日韩成人精品一区久久久久| av性爱网站| ji'qi'luan'ren'lun| 夜夜骑夜夜撸| 狠狠色婷婷7777久综合| 免费久久这里只有精品99| 天天综合 99久久婷婷| 婷婷综合九色伊人| sS丁香五月婷婷| 99re热在线视频观看| 新激情五月天| 综合激情网五月激情| 女人被男人吃奶到高潮| 中文字幕人妻一区二区| 五月丁香色婷婷婷基地| 99热综合在线| 91在线精品一区二区| 久久99热这里只有精品23| 曰曰久久| 婷婷婷五月香蕉| 久久人妻情侣| 超碰av在线| 国产激情综合五月久久| 丁香五月激情婷婷婷婷在线观看| 激情AV网| 欧美婷婷六月丁香综合色连续高潮抽搐| 大香蕉婷婷五月| 激情AV中文| 操人妻视频91| 丁香花社区av| wwW天天干| 直接看的av| 婷婷丁香花五月天| 婷婷五月激情六月| 天天色凹凸| 精品51XX| 成人欧美日韩| 99热在线资源| 五月天婷爱综合| 亚洲国产精品VA在线看黑人| 激情五月伊人婷婷| 欧美性爱五月天| 人人干人人干骚美女| 9久国产精品| 大天天伊人| www.henhengan| 丁香五月色色婷| 婷婷五月花西瓜| 成人视频免费观看高清完整版在线观看| 日日懆天天懆| 国产午夜精品一区二区三区四区| 久思思久视频| 99热综合| 五月天日日操夜夜操| 青草五月天| 五月丁了香蕉综合| 五月激情啪啪| 激情五月六月婷婷综合啪啪| 99爱爱| 无码九九| 狠狠干狠狠色| www.婷婷五月天啪啪| 国产看真人毛片爱做A片| 色五月视频无码播放| 伊人爱爱日本| 这里只有精品69| 97人人干视频| 丁香五月婷婷影院| 日韩免费99| 日本一级一片免费视频| 九九aV| 激情五月婷婷| 超碰99在线观看| 97香蕉碰碰人妻国产欧美| 色欲av伊人久久大香线蕉影院| 久久九色| 婷婷激情五月综合| 玖玖九九99| 97超喷视频在线观看| 99九九精品| 精品久久穴| 亚州AV超碰人人操| 1024你懂的欧美曰韩| 在线观看欧美| 色婷婷综合久色AV五色最新| 中文中文在线| 99在线亚洲| 99久久99久久| 丁香五月婷婷六月丁香| 久操人妻| 国产亚洲精品AAAAAAA片| 视色综合| 991国产精选视频在线播放下载| 人人操五月天| 人人看人人草人人摸| 精品综合爱| 婷综合| 开心四月婷婷在线色播播| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 久久久久久99日本| 天天做天天爱| 久色视频在线| 热久综合| 天天摸天天肏| 婷婷色网站| 欧美 日韩 人妻 高清 中文| 九九在线这里只有精品视频| 91碰在线| 嫩草极品| 婷婷五月色惰| 色婷婷中文字母五月丁香| 91av视频| 婷婷色导航| 久久97| OYIWbGcPu8H| 99ri精品视频在线观看| 亚洲女婷婷五月基地综合久久久| 99热色婷婷| 26uuu欧美| 开心五月深爱五月| 思思久久精品视频| 9在线9在线婷婷在线国产| 思思热在线精品视频|