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。

近紅外光譜回歸分析:深度學(xué)習(xí)模型對(duì)比與實(shí)驗(yàn)全解析

近紅外光譜回歸分析:深度學(xué)習(xí)模型對(duì)比與實(shí)驗(yàn)全解析 簡(jiǎn)介一份面向計(jì)算機(jī)專業(yè)學(xué)生、用于畢設(shè)或課程作業(yè)的深度學(xué)習(xí)教育項(xiàng)目聚焦近紅外光譜數(shù)據(jù)的回歸分析。近紅外光譜屬于非破壞性檢測(cè)技術(shù)項(xiàng)目將深度學(xué)習(xí)模型應(yīng)用于成分或性質(zhì)預(yù)測(cè)是數(shù)據(jù)科學(xué)領(lǐng)域的典型實(shí)踐。壓縮包共9個(gè)文件以8個(gè)Python腳本為主輔以1個(gè)Markdown說明文檔整體大小僅27KB代碼結(jié)構(gòu)清晰。腳本中實(shí)現(xiàn)了ConvNet、SpectFormer、DeepVit、VitNet等模型并提供對(duì)應(yīng)的遷移學(xué)習(xí)版本便于對(duì)照不同網(wǎng)絡(luò)結(jié)構(gòu)在光譜回歸任務(wù)上的表現(xiàn)。已有235人瀏覽學(xué)習(xí)。通過閱讀這些源碼可以掌握數(shù)據(jù)預(yù)處理、模型搭建、訓(xùn)練驗(yàn)證等完整流程也可直接復(fù)用或修改模型用于自己的實(shí)驗(yàn)或課題適合想快速上手深度學(xué)習(xí)回歸項(xiàng)目的學(xué)生參考。1. 近紅外光譜數(shù)據(jù)回歸分析模型這套代碼包不是黑匣子是一組可復(fù)現(xiàn)的對(duì)照實(shí)驗(yàn)?zāi)玫健富谏疃葘W(xué)習(xí)的近紅外光譜數(shù)據(jù)回歸分析模型」這套代碼包時(shí)我第一反應(yīng)是又一個(gè)調(diào)參模板拆完才覺得它最值錢的不是某一個(gè)模型有多先進(jìn)而是同一份數(shù)據(jù)上同時(shí)給了四條結(jié)構(gòu)路線——ConvNet、VitNet、DeepVit、SpectFormer——每條還帶一個(gè)帶 TL 后綴的遷移學(xué)習(xí)變體。近紅外光譜回歸任務(wù)正好卡在幾個(gè)老問題上波長(zhǎng)點(diǎn)太多、樣本量太少、化學(xué)吸收帶相互重疊單靠一個(gè)網(wǎng)絡(luò)很難把「為什么這樣設(shè)計(jì)」講清楚。這套結(jié)構(gòu)把最常見的解題路徑一次鋪開了。適合兩種人一種是做計(jì)算機(jī)類畢設(shè)、課程設(shè)計(jì)需要完整實(shí)驗(yàn)對(duì)比的同學(xué)另一種是手里已有光譜數(shù)據(jù)、想快速評(píng)估不同網(wǎng)絡(luò)上限在哪的工程師。文件列表很干凈每個(gè)網(wǎng)絡(luò)結(jié)構(gòu)一個(gè) py 文件帶 TL 的變體單獨(dú)拆開README.md 負(fù)責(zé)串聯(lián)入口按順序跑就能復(fù)現(xiàn)。2. 從近紅外光譜 CSV 到可訓(xùn)練張量預(yù)處理順序、劃分策略與回歸指標(biāo)近紅外光譜的輸入形式和圖像差別很大。圖像是二維空間信息光譜是一條一維曲線橫軸是波長(zhǎng)常見 780–2500 nm縱軸是吸光度或反射率。拿到手的數(shù)據(jù)常見格式是 CSV 表格存所有樣本每行一個(gè)樣本第一列是目標(biāo)值水分、蛋白、某成分含量后面幾百上千列是波長(zhǎng)點(diǎn)的吸光度也有轉(zhuǎn)置存放的。第一步不是忙著建模而是確認(rèn)數(shù)據(jù)的存儲(chǔ)方向、缺失值情況和量綱是否一致。近紅外吸收主要來自 O-H、N-H、C-H 等含氫基團(tuán)的倍頻與合頻振動(dòng)譜帶重疊嚴(yán)重這決定了后面必須做平滑和導(dǎo)數(shù)處理否則模型很容易被基線漂移和高頻噪聲帶偏。2.1 把數(shù)據(jù)讀進(jìn)來每行一個(gè)樣本字段名就是波長(zhǎng)點(diǎn)先用 pandas 把 CSV 讀進(jìn)來打印 shape 和缺失值。光譜數(shù)據(jù)經(jīng)常出現(xiàn)兩種情況某一列某個(gè)波長(zhǎng)點(diǎn)全為 0或者某幾行樣品吸光度異常偏高后者多半是樣品表面狀態(tài)不同導(dǎo)致的散射差異不能直接刪要靠預(yù)處理矯正。import pandas as pd import numpy as np # 常見近紅外光譜 CSV每行一個(gè)樣本第一列是目標(biāo)值其余列是波長(zhǎng)點(diǎn) data pd.read_csv(spectra.csv) print(原始形狀:, data.shape) # (樣本數(shù), 波長(zhǎng)點(diǎn)數(shù) 1) print(缺失值統(tǒng)計(jì):\n, data.isna().sum().sum()) # 分離目標(biāo)值和光譜矩陣 y data.iloc[:, 0].values.astype(float32) # 第一列是濃度/含量 X data.iloc[:, 1:].values.astype(float32) # 其余列是吸光度 # 波長(zhǎng)點(diǎn)數(shù)量直接決定模型輸入維度記下來后面設(shè)置網(wǎng)絡(luò)要用 seq_len X.shape[1] print(f樣本數(shù): {X.shape[0]}, 波長(zhǎng)點(diǎn)數(shù): {seq_len})這段代碼的邏輯是先把數(shù)據(jù)拆成X和yy是回歸目標(biāo)X是光譜矩陣形狀是(N, L)。seq_len后面做 ConvNet 和 Transformer 都要用到一維卷積的輸入長(zhǎng)度和 ViT 切 patch 的總長(zhǎng)都由它決定。注意 dtype 統(tǒng)一轉(zhuǎn)成 float32PyTorch 默認(rèn)浮點(diǎn)類型就是 float32不轉(zhuǎn)會(huì)在 loss 計(jì)算時(shí)出現(xiàn)類型不匹配的報(bào)錯(cuò)。缺失值處理上我一般先看缺失比例低于 1% 直接按列均值填充高于 5% 就查儀器采集記錄大概率是樣品問題。2.2 預(yù)處理三步走SG 平滑、SNV、一階導(dǎo)數(shù)順序別反近紅外光譜預(yù)處理是典型的「做對(duì)了不出彩做錯(cuò)了全翻車」的環(huán)節(jié)。最常見的組合是 Savitzky-Golay 平滑 SNV標(biāo)準(zhǔn)正態(tài)變換 一階導(dǎo)數(shù)。SG 平滑負(fù)責(zé)去高頻噪聲SNV 逐行消除基線漂移和光程差異一階導(dǎo)數(shù)進(jìn)一步消掉基線平移。順序不能反先平滑再求導(dǎo)否則噪聲會(huì)被導(dǎo)數(shù)放大。from scipy.signal import savgol_filter # 1) SG 平滑窗口 11、多項(xiàng)式階數(shù) 2對(duì)每一條光譜單獨(dú)做 X_sg savgol_filter(X, window_length11, polyorder2, axis1) # 2) SNV按樣本行做消除基線漂移和光程差異 X_snv (X_sg - X_sg.mean(axis1, keepdimsTrue)) / X_sg.std(axis1, keepdimsTrue) # 3) 一階導(dǎo)數(shù)用 SG 在平滑的同時(shí)求導(dǎo)窗口可以小一點(diǎn) X_deriv savgol_filter(X_snv, window_length9, polyorder2, deriv1, axis1) print(預(yù)處理后形狀:, X_deriv.shape, 均值≈, X_deriv.mean().round(6))邏輯說明三個(gè)變換全部作用于axis1也就是對(duì)每條光譜內(nèi)部做計(jì)算。window_length控制平滑窗口覆蓋的波長(zhǎng)點(diǎn)數(shù)窗口越大越平滑但會(huì)把窄的吸收峰一起抹掉近紅外譜峰的半高寬通常在 10–30 nm 左右按采樣間隔折算成點(diǎn)數(shù)后窗口取 9–15 是安全區(qū)。deriv1表示一階導(dǎo)數(shù)如果二階導(dǎo)數(shù)可以消掉基線斜率但對(duì)噪聲更敏感畢設(shè)階段先用一階就夠。預(yù)處理后的均值應(yīng)該接近 0如果均值還明顯偏離說明 SNV 的 axis 選反了大概率是按列做的。這里補(bǔ)一句 C 的角色如果光譜矩陣到了幾十萬行、幾百個(gè)波長(zhǎng)點(diǎn)這種規(guī)模Python 的 pandas 循環(huán)會(huì)卡在 IO 和逐行運(yùn)算上用 C 寫數(shù)據(jù)清洗和批量切分會(huì)快不少但畢設(shè)和課程設(shè)計(jì)這個(gè)數(shù)據(jù)量Python 的 scipy 和 pandas 足夠不需要額外引入 C 模塊。2.3 劃分?jǐn)?shù)據(jù)集近紅外數(shù)據(jù)不建議直接隨機(jī)切很多人在這一步直接train_test_split(random_state42)這是近紅外回歸里最容易埋雷的地方。近紅外樣品往往來自同一批次、同一工藝相鄰編號(hào)的光譜差異極小隨機(jī)切分會(huì)把非常相似的樣本同時(shí)分進(jìn)訓(xùn)練和測(cè)試集測(cè)試集 R2 虛高到 0.99換個(gè)批次數(shù)據(jù)直接崩。近紅外領(lǐng)域的通行做法是按光譜距離劃分Kennard-Stone 算法是主流思路是每次選離已選樣本最遠(yuǎn)的樣本進(jìn)訓(xùn)練集讓測(cè)試集盡可能獨(dú)立。from sklearn.model_selection import train_test_split from sklearn.metrics import r2_score, mean_squared_error # 快速驗(yàn)證版本先固定隨機(jī)種子保證實(shí)驗(yàn)可復(fù)現(xiàn) X_train, X_test, y_train, y_test train_test_split( X_deriv, y, test_size0.2, random_state42 ) # 正式實(shí)驗(yàn)建議用 Kennard-Stone 按光譜距離劃分 # 常見做法是用 ks 庫或自己實(shí)現(xiàn)距離貪婪采樣這里給出替代方案 def ks_split(X, test_size0.2): n X.shape[0] n_test int(n * test_size) selected [np.argmin(np.linalg.norm(X - X[0], axis1))] while len(selected) n - n_test: dist np.min(np.linalg.norm(X[:, None, :] - X[selected], axis2), axis1) selected.append(int(np.argmax(dist))) mask np.zeros(n, dtypebool) mask[selected] True return X[~mask], X[mask], y[~mask], y[mask]邏輯說明train_test_split只適合快速摸流程正式跑實(shí)驗(yàn)矩陣必須換成 KS 劃分或者至少按批次分組。上面的ks_split是 Kennard-Stone 的簡(jiǎn)化實(shí)現(xiàn)np.argmax(dist)每次挑離已選樣本最遠(yuǎn)的光譜進(jìn)訓(xùn)練集保證測(cè)試集是「模型沒見過的光譜范圍」。這個(gè)方法在近紅外文獻(xiàn)里很常見缺點(diǎn)是計(jì)算距離矩陣時(shí)內(nèi)存占用高樣本量超過兩三萬就建議用分批近似。數(shù)據(jù)劃分完后回歸指標(biāo)要同時(shí)看三個(gè)不要只盯 R2。指標(biāo)作用近紅外回歸常用參考R2決定系數(shù)看模型解釋了多大比例的方差0.95 很穩(wěn)0.90–0.95 夠用RMSEP測(cè)試集預(yù)測(cè)均方根誤差看絕對(duì)誤差越小越好必須結(jié)合 y 的量綱看RPDy 的標(biāo)準(zhǔn)差除以 RMSEP3 優(yōu)秀2.5–3 可用2 謹(jǐn)慎RMSEP 里的 P 指 Prediction專門評(píng)價(jià)測(cè)試集預(yù)測(cè)比訓(xùn)練集 RMSE 更有說服力。RPD 這個(gè)指標(biāo)在近紅外領(lǐng)域幾乎是默認(rèn)要報(bào)的它回答的是「模型誤差比樣品本身的波動(dòng)小了多少」寫論文和答辯時(shí)比單純報(bào) R2 更能堵住追問。注意預(yù)處理里的統(tǒng)計(jì)量只能從訓(xùn)練集算出再用到測(cè)試集上。SNV 本身逐樣本獨(dú)立問題不大但后面如果做標(biāo)準(zhǔn)化均值方差必須來自訓(xùn)練集否則就是數(shù)據(jù)泄漏指標(biāo)再好看也站不住。3. ConvNet、VitNet、DeepVit、SpectFormer四個(gè)模型家族怎么選TL 后綴到底加了什么文件列表里兩組 py 的命名邏輯很清楚ConvNet、VitNet、DeepVit、SpectFormer 是四個(gè)基礎(chǔ)結(jié)構(gòu)帶 TL 后綴的是各自對(duì)應(yīng)的遷移學(xué)習(xí)變體。TL 基本可以斷定是 Transfer Learning 的縮寫具體遷移策略和權(quán)重來源以 README.md 為準(zhǔn)但這個(gè)命名本身已經(jīng)說明了一份完整的對(duì)比實(shí)驗(yàn)應(yīng)該怎么組織——同一個(gè)結(jié)構(gòu)從頭訓(xùn)練 vs 遷移學(xué)習(xí)各跑一組正好回答答辯時(shí)最常被問的「遷移學(xué)習(xí)在你的任務(wù)里到底有沒有用」。3.1 ConvNet.py一維卷積基線先把下限做扎實(shí)一維卷積是近紅外光譜回歸最樸素的深度學(xué)習(xí)方案也是所有對(duì)比實(shí)驗(yàn)的「地板」。光譜輸入從二維圖像降成一維序列后Conv1d的卷積核只在波長(zhǎng)方向上滑動(dòng)感受野覆蓋相鄰的波長(zhǎng)點(diǎn)。近紅外吸收峰不是孤立點(diǎn)而是一段連續(xù)的波段卷積核能直接學(xué)習(xí)到「峰形 局部波段相關(guān)性」這類特征。典型結(jié)構(gòu)是Conv1d → BatchNorm → ReLU → AdaptiveAvgPool1d → Linear卷積核大小取 17 左右對(duì)應(yīng)約 17 個(gè)波長(zhǎng)點(diǎn)的鄰域接近半個(gè)吸收峰的寬度。AdaptiveAvgPool1d(1)把整條光譜壓成一個(gè)向量替代全連接層處理序列長(zhǎng)度參數(shù)量小、不容易過擬合。這個(gè)結(jié)構(gòu)跑出來的結(jié)果就是整組實(shí)驗(yàn)的基準(zhǔn)線Transformer 模型如果連這個(gè)下限都打不過問題通常不在結(jié)構(gòu)而在數(shù)據(jù)預(yù)處理或超參。3.2 VitNet.py 與 DeepVit.py把光譜切成 patch 的 Transformer 路線VitNet 的思路是把一維光譜切成長(zhǎng)度相等的 patch每個(gè) patch 經(jīng)過線性映射后加上位置編碼再送進(jìn) Transformer 編碼器。近紅外光譜里同一個(gè)成分的吸收峰會(huì)出現(xiàn)在多個(gè)波段相隔很遠(yuǎn)但相關(guān)性很強(qiáng)Transformer 的自注意力機(jī)制正好擅長(zhǎng)建模這種長(zhǎng)程依賴。比如水的 O-H 吸收在 1400 nm 和 1900 nm 附近都有信號(hào)純 CNN 要靠堆層數(shù)才能把這兩個(gè)位置的感受野連起來Transformer 一層注意力就能直接關(guān)聯(lián)。DeepVit 從命名看是 VitNet 的加深加寬版本差異大概率在 Transformer encoder 的層數(shù)depth和嵌入維度embed_dim上。這兩個(gè)模型的對(duì)比要回答的問題是在近紅外這種中等長(zhǎng)度序列上加大模型容量能不能帶來實(shí)打?qū)嵉氖找孢€是只是把訓(xùn)練時(shí)間變長(zhǎng)。光譜數(shù)據(jù)樣本量通常只有幾百到幾千DeepVit 非常容易過擬合所以它的默認(rèn)超參、正則化設(shè)置反而是這組實(shí)驗(yàn)里最有看點(diǎn)的部分。3.3 SpectFormer.pyCNN 局部特征 Transformer 全局依賴的混合SpectFormer 從名字看是 Spect Former 的組合也是我拆這個(gè)包時(shí)最期待的文件。純 CNN 的局部感受野高效但視野窄純 Transformer 的全局注意力強(qiáng)但容易在小樣本上過擬合混合結(jié)構(gòu)是這兩條路的折中淺層先用一維卷積提取局部峰形特征再把卷積輸出的特征圖切成 patch 或直接作為 token 序列送進(jìn) Transformer。這個(gè)設(shè)計(jì)對(duì)近紅外光譜是說得通的。卷積層輸出的每個(gè)位置已經(jīng)包含了鄰近波段的局部信息Transformer 在這些局部特征之上建模跨波段的依賴語義上比直接用原始波長(zhǎng)點(diǎn)做注意力更干凈。SpectFormer 和 ConvNet 的對(duì)比實(shí)際是「局部特征 全局關(guān)系」和「純局部特征」的對(duì)比SpectFormer 和 VitNet 的對(duì)比則是「局部建模是否必要」的對(duì)比。三組模型互相參照正好覆蓋評(píng)審最關(guān)心的兩個(gè)問題結(jié)構(gòu)設(shè)計(jì)有沒有依據(jù)、實(shí)驗(yàn)有沒有對(duì)照組。3.4 帶 TL 后綴的那一組遷移學(xué)習(xí)到底遷移了什么四個(gè) TL 文件是這套代碼包在畢設(shè)答辯時(shí)最有價(jià)值的部分。近紅外深度學(xué)習(xí)最常見的困境是光譜數(shù)據(jù)量太少從頭訓(xùn)練一個(gè)容量稍微大一點(diǎn)的網(wǎng)絡(luò)就過擬合。遷移學(xué)習(xí)的常規(guī)做法是先在更大規(guī)模的數(shù)據(jù)上預(yù)訓(xùn)練再在目標(biāo)任務(wù)上微調(diào)。但要注意ImageNet 預(yù)訓(xùn)練權(quán)重是二維三通道輸入近紅外光譜是一維輸入輸入層通道數(shù)和序列長(zhǎng)度都對(duì)不上直接加載預(yù)訓(xùn)練權(quán)重一定會(huì)報(bào) shape mismatch。所以這里的 TL 變體遷移的通常不是 ImageNet 權(quán)重本身而是這類結(jié)構(gòu)的「訓(xùn)練策略」——比如凍結(jié)淺層、只微調(diào)深層或者把同一結(jié)構(gòu)在公開光譜數(shù)據(jù)上做自監(jiān)督預(yù)訓(xùn)練再微調(diào)。具體是哪種以 README.md 的實(shí)現(xiàn)為準(zhǔn)但你可以把 TL 變體理解成「同一個(gè)網(wǎng)絡(luò)換一種訓(xùn)練方式」而不是「換一個(gè)網(wǎng)絡(luò)」。這張表是我拆完文件后對(duì)每個(gè)腳本的定位判斷文件結(jié)構(gòu)路線在實(shí)驗(yàn)矩陣中的角色ConvNet.py1D CNN 基線定下限作為所有模型對(duì)比的基準(zhǔn)ConvNetTL.pyConvNet 遷移學(xué)習(xí)看預(yù)測(cè)練/微調(diào)策略對(duì) CNN 是否有提升VitNet.py光譜切 patch 進(jìn) Transformer純 Transformer 路線的基線VitNetTL.pyVitNet TL看遷移學(xué)習(xí)能否緩解 Transformer 過擬合DeepVit.py加深加寬的 VitNet驗(yàn)證模型容量在光譜數(shù)據(jù)上的上限D(zhuǎn)eepVitTL.pyDeepVit TL深度模型與遷移學(xué)習(xí)是否兼容SpectFormer.pyCNN Transformer 混合局部特征 全局依賴的混合結(jié)構(gòu)SpectFormerTL.pySpectFormer TL混合結(jié)構(gòu)結(jié)合遷移學(xué)習(xí)后的最終效果提示拆這類代碼包時(shí)最忌直接把文件名當(dāng)結(jié)論。先打開 README.md確認(rèn)每個(gè) TL 文件里預(yù)訓(xùn)練權(quán)重的來源和微調(diào)策略再?zèng)Q定你的論文里怎么寫「遷移學(xué)習(xí)」這一章。4. 把訓(xùn)練跑起來命令行入口、六個(gè)關(guān)鍵超參與三組實(shí)驗(yàn)矩陣環(huán)境裝好后這套代碼的入口設(shè)計(jì)比較直白每個(gè)模型一個(gè) py 文件直接python 文件名.py就能啟動(dòng)訓(xùn)練。動(dòng)手深度學(xué)習(xí)的人都知道跑通一個(gè)骨架半小時(shí)排一個(gè)環(huán)境 bug 一晚上。近紅外回歸任務(wù)用 PyTorch 實(shí)現(xiàn)是當(dāng)前最常見的方案torch 1.13 以上版本對(duì)Conv1d和 Transformer Encoder 的支持都很成熟不需要額外裝復(fù)雜的庫。4.1 環(huán)境與入口先跑通 README.md再換你自己的數(shù)據(jù)建議環(huán)境是 Python 3.8核心依賴包括 numpy、pandas、scipy、scikit-learn、torch。命令行入口的一般形式如下實(shí)際參數(shù)名以 README.md 為準(zhǔn)但結(jié)構(gòu)基本逃不出這套# 以 SpectFormer 從頭訓(xùn)練為例 python SpectFormer.py --data ./data/spectra.csv \ --target column_name \ --epochs 80 --batch_size 32 --lr 1e-3 \ --patch_size 64 --embed_dim 256 --depth 8這個(gè)命令的邏輯是--data指定光譜 CSV 路徑--target指定目標(biāo)值列名后面四個(gè)是模型的四個(gè)核心超參。第一次運(yùn)行時(shí)先把--epochs改小到 10確認(rèn)數(shù)據(jù)能讀進(jìn)來、loss 能下降再跑完整訓(xùn)練。這么做的好處是避免數(shù)據(jù)格式問題在跑了 30 個(gè) epoch 之后才暴露白白浪費(fèi)時(shí)間。GPU 不是必須的。近紅外光譜序列長(zhǎng)度在幾百到一千左右樣本量通常不過萬這類規(guī)模的模型在 CPU 上跑 80 個(gè) epoch 也就是幾十分鐘到一兩個(gè)小時(shí)。如果你的數(shù)據(jù)量特別大再考慮租云平臺(tái)或者用 GPU 實(shí)例畢設(shè)場(chǎng)景完全不需要一上來就上多卡。4.2 六個(gè)關(guān)鍵超參值和含義要對(duì)得上調(diào)參之前先搞清楚每個(gè)參數(shù)在這個(gè)任務(wù)里的物理含義。這六個(gè)參數(shù)是近紅外光譜 Transformer 和 CNN 訓(xùn)練里最常動(dòng)的優(yōu)先級(jí)從高到低排列如下參數(shù)建議范圍對(duì)光譜回歸的影響batch_size16–64光譜樣本差異大batch 太小 loss 抖太大泛化下降lrCNN 1e-3Transformer 1e-4Transformer 對(duì)學(xué)習(xí)率極敏感1e-3 大概率發(fā)散epochs60–120配早停光譜任務(wù)收斂慢固定 epochs 不如早??煽縫atch_size32–128過小序列太長(zhǎng)、注意力稀疏過大丟失局部峰形embed_dim128–512決定 token 的表示容量小數(shù)據(jù)用 128–256 更穩(wěn)depth4–12層數(shù)過深在小樣本上直接過擬合4–6 層起步這里有一條血淚經(jīng)驗(yàn)Transformer 類模型在光譜上的學(xué)習(xí)率玄學(xué)比圖像還嚴(yán)重。圖像任務(wù) 1e-3 能跑近紅外 Transformer 同樣用 1e-3 經(jīng)常 loss 前 20 個(gè) epoch 紋絲不動(dòng)降到 1e-4 才開始下降。原因是光譜序列的數(shù)值范圍和圖像像素差異很大Adam 的一階矩估計(jì)在稀疏梯度下容易走偏。所有模型先固定隨機(jī)種子再在同一套超參下跑對(duì)比否則你分不清是結(jié)構(gòu)差異還是隨機(jī)種子差異。4.3 三組實(shí)驗(yàn)矩陣從基線到上限一次跑齊這套代碼最省心的設(shè)計(jì)是它天然支持三組實(shí)驗(yàn)。第一組是四個(gè)基礎(chǔ)模型從頭訓(xùn)練對(duì)比回答「同樣預(yù)算下哪種結(jié)構(gòu)強(qiáng)」第二組是四個(gè) TL 模型對(duì)比回答「遷移學(xué)習(xí)能不能漲點(diǎn)」第三組是消融實(shí)驗(yàn)挑一個(gè)模型改 patch_size、embed_dim、depth回答「你論文里的參數(shù)為什么取這個(gè)值」。實(shí)驗(yàn)組模型要回答的問題A 組從頭訓(xùn)練基線ConvNet、VitNet、DeepVit、SpectFormer四種結(jié)構(gòu)的默認(rèn)能力排序B 組遷移學(xué)習(xí)對(duì)比ConvNetTL、VitNetTL、DeepVitTL、SpectFormerTL預(yù)測(cè)練/微調(diào)策略在同一結(jié)構(gòu)上的增益C 組消融實(shí)驗(yàn)任選一模型改 patch_size / embed_dim / depth每個(gè)超參對(duì)結(jié)果的貢獻(xiàn)有多大實(shí)驗(yàn)矩陣的管理建議用一張 Excel 或 CSV 記錄每次運(yùn)行的參數(shù)和結(jié)果。近紅外實(shí)驗(yàn)跑一次不長(zhǎng)但架不住次數(shù)多不記錄的話三天后就分不清哪組是哪組了。每組實(shí)驗(yàn)固定同一個(gè)隨機(jī)種子這是整套實(shí)驗(yàn)可復(fù)現(xiàn)的前提。4.4 訓(xùn)練日志怎么判早停、最優(yōu)權(quán)重與 loss 曲線訓(xùn)練腳本骨架可以抽象成下面的邏輯不管包里的實(shí)現(xiàn)細(xì)節(jié)如何好的訓(xùn)練循環(huán)都應(yīng)該包含固定種子、保存最優(yōu)權(quán)重、早停三件事# 訓(xùn)練骨架固定種子、保存最優(yōu)、早停 import torch import numpy as np def set_seed(seed42): np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) set_seed(42) model build_model_from_args(args) # 替換成包里的 ConvNet / SpectFormer 等 optimizer torch.optim.AdamW(model.parameters(), lrargs.lr, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_maxargs.epochs) best_val float(inf) patience 0 for epoch in range(args.epochs): train_loss run_one_epoch(model, optimizer, train_loader, modetrain) val_loss, val_r2 run_one_epoch(model, optimizer, val_loader, modeeval) if val_loss best_val: best_val val_loss torch.save(model.state_dict(), best_checkpoint.pt) patience 0 else: patience 1 if patience 15: print(fearly stop at epoch {epoch}) break邏輯說明set_seed(42)固定了 numpy 和 torch 的隨機(jī)源保證兩次運(yùn)行結(jié)果一致這是實(shí)驗(yàn)可復(fù)現(xiàn)的地基。AdamW比 Adam 多了權(quán)重衰減解耦在光譜小數(shù)據(jù)上更不容易過擬合weight_decay1e-4是經(jīng)驗(yàn)值。CosineAnnealingLR讓學(xué)習(xí)率隨訓(xùn)練周期余弦下降前期大步探索、后期小步收斂比固定學(xué)習(xí)率好用。判斷訓(xùn)練是否正常重點(diǎn)看兩個(gè)曲線train loss 持續(xù)下降說明模型在學(xué)val loss 下降后反彈說明過擬合開始val loss 震蕩不降說明學(xué)習(xí)率過高或 patch_size 不合適。torch.save(model.state_dict(), best_checkpoint.pt)保存的是權(quán)重而不是整個(gè)模型加載時(shí)要用model.load_state_dict(torch.load(best_checkpoint.pt))這是 PyTorch 的推薦做法遷移到新數(shù)據(jù)時(shí)也只需要換權(quán)重文件。5. 近紅外光譜深度學(xué)習(xí)避坑手冊(cè)五個(gè)翻車現(xiàn)場(chǎng)與排查思路近紅外深度學(xué)習(xí)的坑九成不在網(wǎng)絡(luò)設(shè)計(jì)而在數(shù)據(jù)口徑。這一章是這套代碼最常見的五個(gè)翻車場(chǎng)景每條都是我見過或自己踩過的真實(shí)案例按「現(xiàn)象 → 原因 → 解決」寫清楚。5.1 隨機(jī)劃分讓 R2 虛高到 0.99換個(gè)儀器就翻車現(xiàn)象直接用train_test_split(random_state42)劃分?jǐn)?shù)據(jù)測(cè)試集 R2 到了 0.99loss 曲線漂亮得像教材里的示意圖。你以為模型已經(jīng)練成結(jié)果用到新采集的樣品上預(yù)測(cè)值和實(shí)測(cè)值能偏出半個(gè)數(shù)量級(jí)。原因近紅外樣品往往來自同一批次、同一工藝相鄰編號(hào)的光譜差異極小。隨機(jī)切分會(huì)把非常相似的樣本同時(shí)分進(jìn)訓(xùn)練和測(cè)試集模型等于變相記住了樣品編號(hào)附近的數(shù)據(jù)這是典型的數(shù)據(jù)泄漏。論文復(fù)現(xiàn)時(shí)別人用同樣的數(shù)據(jù)卻復(fù)現(xiàn)不出這個(gè) R2問題不在代碼在劃分方式。解決正式實(shí)驗(yàn)用 Kennard-Stone 按光譜距離劃分訓(xùn)練集和測(cè)試集讓測(cè)試集覆蓋模型沒見過的光譜范圍。如果只是為了快速驗(yàn)證流程隨機(jī)劃分加固定種子可以但要把「隨機(jī)劃分 R2 虛高」寫進(jìn)論文的局限性。我從那以后每次拿到近紅外數(shù)據(jù)第一件事就是問一句這批樣本是不是同一批采集的是的話直接放棄隨機(jī)劃分。5.2 axis 選錯(cuò)把每一列波長(zhǎng)做歸一化光譜形變被抹平現(xiàn)象預(yù)處理代碼里寫了一句X (X - X.mean(axis0)) / X.std(axis0)跑完模型 R2 和 RMSE 都還能看但換一組新數(shù)據(jù)后預(yù)測(cè)值整體偏移而且模型怎么調(diào)都救不回來。原因axis0是沿著波長(zhǎng)方向統(tǒng)計(jì)每一列做標(biāo)準(zhǔn)化這會(huì)抹掉同一樣本內(nèi)部不同波段的相對(duì)強(qiáng)弱。而近紅外吸光度最有用的信息恰恰是同一光譜內(nèi)部不同波段的相對(duì)關(guān)系——SNV 和標(biāo)準(zhǔn)正態(tài)變換都要求按樣本行計(jì)算也就是axis1。搞反方向后光譜的峰形被破壞模型學(xué)到的是被扭曲后的特征。解決先打印數(shù)組形狀確認(rèn)(N, L)預(yù)處理一律用axis1對(duì)每個(gè)樣本內(nèi)部操作。代碼里寫上注釋標(biāo)注「按樣本行做不改方向」如果用了標(biāo)準(zhǔn)化而非 SNV均值方差必須來自訓(xùn)練集測(cè)試集復(fù)用同一組統(tǒng)計(jì)量。5.3 Transformer 訓(xùn)練抖得像心電圖loss 就是下不來現(xiàn)象VitNet 或 SpectFormer 一上來 train loss 就高頻抖動(dòng)把學(xué)習(xí)率降到 1e-4 之后還在抖或者 loss 掉到一定程度就卡死不動(dòng)val loss 完全不跟。原因三個(gè)最常見的原因疊加——patch_size 切得太小導(dǎo)致序列過長(zhǎng)Transformer 的注意力在長(zhǎng)序列上不穩(wěn)定學(xué)習(xí)率沒有 warmup前幾個(gè) step 就把權(quán)重沖亂輸入特征沒有歸一化數(shù)值范圍過大讓注意力權(quán)重的 softmax 飽和。解決patch_size 取 64 以上近紅外幾百個(gè)波長(zhǎng)點(diǎn)切出 8–16 個(gè) patch 就夠?qū)W習(xí)率降到 1e-4 并加 warmup前 10 個(gè) epoch 線性升到目標(biāo)學(xué)習(xí)率輸入過一遍預(yù)處理保證均值接近 0。如果還抖就把 depth 從 8 降到 4減少一層注意力就少一層不穩(wěn)定因素。5.4 R2 很好看RMSE 卻大得離譜邊界樣本在作怪現(xiàn)象測(cè)試集 R2 0.96看起來很不錯(cuò)RMSEP 卻比工業(yè)標(biāo)準(zhǔn)高一大截。畫出預(yù)測(cè)-實(shí)測(cè)散點(diǎn)圖發(fā)現(xiàn)大部分點(diǎn)貼合對(duì)角線只有一兩個(gè)極端樣本的殘差特別大。原因R2 對(duì)線性擬合比例敏感RMSE 對(duì)平方誤差敏感。一兩個(gè)離群點(diǎn)能把 RMSE 拉爆但 R2 仍然好看。這是近紅外回歸報(bào)告里最常見的「指標(biāo)打架」只報(bào) R2 會(huì)高估模型只報(bào) RMSE 會(huì)低估模型。真實(shí)原因往往是測(cè)試集里混入了極端濃度樣本或者個(gè)別樣品表面狀態(tài)異常導(dǎo)致光譜失真。解決三個(gè)指標(biāo)一起報(bào)R2、RMSEP、RPD 缺一不可。畫出殘差圖把偏差超過 3 倍標(biāo)準(zhǔn)差的樣本單獨(dú)標(biāo)出來。如果是記錄錯(cuò)誤就修正如果是真實(shí)極端工況要把這類樣本單獨(dú)評(píng)估或者補(bǔ)充更多極端樣本進(jìn)訓(xùn)練集。論文里只報(bào) R2 不報(bào)殘差答辯時(shí)被問住幾乎是必然的。5.5 TL 版本跑不起來一維光譜加載不了二維預(yù)訓(xùn)練權(quán)重現(xiàn)象想用 ImageNet 預(yù)訓(xùn)練權(quán)重做遷移學(xué)習(xí)加載權(quán)重時(shí)直接報(bào) shape mismatch強(qiáng)行忽略形狀錯(cuò)誤后訓(xùn)練完全不漲甚至從頭開始 loss 也不降。原因ImageNet 預(yù)訓(xùn)練權(quán)重是二維三通道輸入近紅外光譜是一維輸入輸入層通道數(shù)和序列長(zhǎng)度都對(duì)不上。能夠匹配的只有中間層的結(jié)構(gòu)輸入層和輸出層必然報(bào)錯(cuò)。就算跳過輸入層預(yù)訓(xùn)練模型學(xué)到的二維邊緣、紋理特征對(duì)一維光譜的吸收峰也沒有什么可遷移的價(jià)值。解決打開 README.md先確認(rèn) TL 版本的預(yù)訓(xùn)練權(quán)重到底從哪來、怎么加載。如果包內(nèi)沒有一維預(yù)訓(xùn)練權(quán)重常見做法是把 TL 理解成「訓(xùn)練策略」而不是「直接拷權(quán)重」——比如先在公開光譜數(shù)據(jù)集上做自監(jiān)督預(yù)訓(xùn)練再在目標(biāo)數(shù)據(jù)上微調(diào)或者凍結(jié)淺層、只微調(diào)深層。把 TL 的實(shí)現(xiàn)方式寫清楚答辯時(shí)反而成為加分項(xiàng)。6. 把結(jié)果做成論文級(jí)圖表五折交叉驗(yàn)證、殘差分布與 RPD 報(bào)告實(shí)驗(yàn)跑完只是第一步近紅外回歸的結(jié)論必須經(jīng)過交叉驗(yàn)證才有說服力。單次劃分的測(cè)試集 R2 只能證明「這組數(shù)據(jù)上跑了一次」五折交叉驗(yàn)證能把結(jié)論從「一次運(yùn)氣」變成「平均表現(xiàn)」。6.1 五折交叉驗(yàn)證這樣跑交叉驗(yàn)證的關(guān)鍵坑在預(yù)處理統(tǒng)計(jì)量的泄漏。每一折都必須在訓(xùn)練折上重新計(jì)算標(biāo)準(zhǔn)化參數(shù)測(cè)試折只能用訓(xùn)練折算出來的均值方差否則等于提前偷看了答案。# 五折交叉驗(yàn)證每折在訓(xùn)練折上重算預(yù)處理統(tǒng)計(jì)量防止數(shù)據(jù)泄漏 from sklearn.model_selection import KFold from sklearn.metrics import r2_score, mean_squared_error import numpy as np X np.load(X_preprocessed.npy) # 已經(jīng)做完 SGSNV 的譜圖矩陣 y np.load(y_target.npy) # 濃度/含量真值 kf KFold(n_splits5, shuffleTrue, random_state42) r2_list, rmse_list [], [] for fold, (tr_idx, te_idx) in enumerate(kf.split(X)): X_tr, X_te X[tr_idx], X[te_idx] y_tr, y_te y[tr_idx], y[te_idx] # 標(biāo)準(zhǔn)化只能在訓(xùn)練折上擬合 mu, sigma X_tr.mean(axis0), X_tr.std(axis0) 1e-8 X_tr (X_tr - mu) / sigma X_te (X_te - mu) / sigma model train_model(X_tr, y_tr) # 換成包里的 ConvNet 或 SpectFormer pred model.predict(X_te) r2_list.append(r2_score(y_te, pred)) rmse_list.append(mean_squared_error(y_te, pred, squaredFalse)) print(fR2 {np.mean(r2_list):.3f} ± {np.std(r2_list):.3f}) print(fRMSE {np.mean(rmse_list):.3f} ± {np.std(rmse_list):.3f})邏輯說明KFold(shuffleTrue, random_state42)先打亂再分折避免樣本順序影響折的構(gòu)成。每折循環(huán)里重算mu和sigma這一步是交叉驗(yàn)證和數(shù)據(jù)泄漏的分水嶺。最后輸出的均值加減標(biāo)準(zhǔn)差比單次 R2 可信得多寫論文時(shí)直接作為模型性能的正式指標(biāo)。6.2 回歸圖與 RPD 報(bào)告交叉驗(yàn)證之后還差兩張圖就能把結(jié)論釘死。第一張是預(yù)測(cè)值對(duì)實(shí)測(cè)值的散點(diǎn)圖對(duì)角線是理想預(yù)測(cè)線點(diǎn)越貼線越好斜率偏離 1 說明存在系統(tǒng)性偏差。第二張是殘差圖橫軸是實(shí)測(cè)值縱軸是預(yù)測(cè)減實(shí)測(cè)殘差如果在零點(diǎn)上下均勻分布說明模型沒有明顯的系統(tǒng)性傾向如果呈現(xiàn)漏斗形則說明濃度越高誤差越大。RPD 的計(jì)算方式是把測(cè)試集 y 的標(biāo)準(zhǔn)差除以 RMSEP這個(gè)比值直接反映模型的實(shí)用價(jià)值。RPD 大于 3 說明模型可以用于定量預(yù)測(cè)2.5 到 3 之間說明模型可用于粗糙篩選小于 2 說明在這個(gè)任務(wù)上不如直接取均值。這套結(jié)論連同交叉驗(yàn)證的均值方差一起寫進(jìn)論文的結(jié)果表比單獨(dú)報(bào)一個(gè) R2 的說服力強(qiáng)很多。從那以后我拿到任何近紅外數(shù)據(jù)都強(qiáng)制先跑一遍五折交叉驗(yàn)證用平均 R2 和 RPD 決定要不要繼續(xù)往下做而不是盯著單次劃分的數(shù)字自我感動(dòng)。這套代碼包的價(jià)值也正在這里——它把結(jié)構(gòu)、對(duì)比、驗(yàn)證的鏈路都鋪好了剩下要你動(dòng)手的是把數(shù)據(jù)口徑和驗(yàn)證邏輯做扎實(shí)。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
激情亭亭五月| 欧美丰满熟妇BBB久久久| 久久激情综合| 久久久99免费视频| 超碰免费观看| 91操人| 热的国产99热| 成人免费在线电影| 人操91在线| 黄网在线免费观看| 偷拍视频五月天| 99久久久久久www| 免费无码毛片一区二区A片| 天天激情欧美美女| 五月婷婷免费看| 亚洲五月天,激情视频| 1024欧美看片| 精品久久久中文字幕大豆网推荐理由 | 精品久久9| 婷婷综合网在线| 激情五月天第四色| 久久久久九九九九视屏小说88| 婷婷五月天影院| 狠狠狠五月婷婷六月丁香| 美女黄频aⅴ视频| 久婷狼色诱惑在线| 女人被躁到高潮嗷嗷叫小| 五月丁香| 91久热| 人妻videos人妻高清| 成人视频在线免费播放| 中文字幕网站在线观看| 亚洲av无码精品色午夜| 婷婷五月18永久免费网站| 国产精品99久久久久久久女警| www.婷婷.com| 日韩av在线电影| 99视频热| www,99热| 国产在这里只有精品| 婷婷五月永远18免费久久久| 天天婷婷综合| 五月色亭丁香| www婷婷亚洲| 久操大香蕉| 亚洲四色五月| 狼人婷婷综合| 日良久久| 激情五月综合色| 九九大香蕉黄色影院| 久久五月婷天天干| 丁香婷婷久| 大香蕉在线99热| 欧美交换配乱吟粗大25P| 色色五月天婷婷| 亚洲熟女色| 丁香五月成人av| 蜜乳A√| 99热国内| 激情色视频| 亚洲综合婷婷五月| 精品色色色| 亚洲综合婷婷| 九九视频这里只有精品| 十一月婷婷激情四射| 日本色色色| 婷婷综合色五月天| 五月天开心婷婷激情网站 | 日日夜夜狠狠干| 五月丁婷婷| 激情综合网五月天天| 99re视频在线播放| 玖月婷婷爱丁香| 思思热闹这里只有精品| 森林影视大全,最好看的2019年视频| 99精品视频偷拍| 六月婷婷综合激情| 婷婷五月亚洲激情| 99热这里只有精品最新| 六月撸婷婷| 操97| 婷婷D区| 久久综合九色综合97婷婷| aV直接看| 14色综合婷婷| 五月婷无码| www.狠狠操.con| 久久这里只有国产| 六月婷婷狠狠做| 凹凸7777操操操| 99久精品视频| 六月丁香激情婷婷| 色九月国产| 丁香五月综合激情啪啪| 色五月激情综合网| 国色天香成人网| 丁香婷婷五月份| 人五月天婷婷喷水| 五月丁香 啪啪| 五月丁香久久网| 色婷五月天亚洲| 5月丁香六月婷婷| 噜噜五月天综合| 久久3p| 草草视频91| 这里只有精品视频在线| 丁香五月激情综合久久| 综合大香蕉| 欧美激情五月天婷婷| 五月综合激情综合久| 五月天色婷婷网| 五月激激激情综合网| 色婷婷五月天| 国产AV一区二区三区最新精品| 久久久久久久人妻| 色青五月天| 五月丁香猫咪久久婷婷综合视频激情四射网入口 | 五月天婷婷久草丁香| 99精品在线观看视频| 激情久久四色| 国产在线黄色| 丁香五月色激情| 激情综合99| 99 色色吧| 伊人激情影院| 久久久宗合视频88| 99综合视频在线| 久久五月天黄色五月天色网址| 婷婷五月花西瓜| 激情久久久久| 五月婷婷导航| 天天插AV丝袜中| 国产日比| 色娸娸综合网| 婷婷狠狠干| 思思热在线观看| 色婷婷先锋| 九九人人精品| a片在线免费观看一区| wWwCom夜操wwW| 久久久精品人妻录| 先锋影音av色五月天资源站| 色综合色综合婷婷热| 婷婷综合激情五月综合| 99热这里只有精品22| 五月天婷婷久久| 国产性爱色| 婷婷偷拍网| 色色色色热| 久久久精品人妻| 亚洲国产色婷婷| 中文字幕综合网| 天天插,天天射| 婷婷五月花| 91久久电影| 丁香五月婷婷亚洲另类| 中文字幕日本最新乱码视频| 天天人人天天爽| 欧美婷婷日本| 婷婷五月天堂| 性爱综合网| www91精品| 99热亚洲精品66| 色综合99| 五月天婷婷色| 九热视频| 六月婷婷天天操夜夜爽视频| 人妻AV在线观看| 1024亚洲| 日韩一级网站| 性生活视频98791| 五月丁香婷婷成人综合网| 男女啪啪做爰高潮无遮挡| 狠狠爱五月婷婷| 这里精品| 先锋资源婷婷| 婷婷五月色色| 五月丁香操婷逼| www五月| 超碰操日| 色亭亭五月天丁香综合AV - 百度 - 百度| 激情丁香久久| 激情久久久久久| 九九色大香蕉| 婷婷丁香激情综合色情| 五月婷婷天| 99re热视频这里只有综合亚洲| 欧美久久网| 99re这里只有精品免费| 丁香伊人激情| 欧美五月婷婷综合| 五月丁香六月婷婷激情视频在线观看免费 | 99热国产精品| 思思久久99热| 五月丁香六月婷| 99久久久久| 草草视频91| 久久综合中文| 国产暴力强伦轩1区二区小说| 少妇日麻屄| 中文字幕在线免费观看视频| 思思热99er在线视频| 免费观看18视频网站| 99热久久这里只有精品| 婷婷九月丁香中文| 中文字幕综合| 99热 这里只有精品 国产 日韩| 黄网在线免费观看| 91婷婷五月天综合视频| 冬月かえでAV无码播放| 五月天色图| www,8050,午夜三级| 99ri精品| 欧美va在线| www.五月天色色色| 中字幕视频在线永久在线观看免费 | 天天操夜夜啊| 吾爱AV导航| 黄色成人网站在线播放| 六月丁香射婷婷欧美色图片 | 91青娱乐青青草| 久久99综合网| 色五月婷婷少妇人妻| 精品久久久久成人码免费动漫| 九九热这里只有精品一| 秋霞A V毛片| 丁香五月天激情综合| www.狠狠色.com| yirenjiqingshiping| 亚洲五月天激情| 婷婷伊人综合中文字幕| 色色色五月天婷婷| 日韩999| 中文字幕簧片| 欧美日韩五月婷婷| 国产AV影片| 五月婷婷激情五月| 五月天婷婷在线啪啪视频| 国外亚洲成AV人片在线观看| 天天干 夜夜爽| 99热九九这里只有精品| 九九精品系列| 成人中文网| 五月天天视频| 五月丁香激情综合六月涩涩爱| 日韩有码一区| 五月综合视频| 激情综合婷婷| 日本大逼91| 中文字幕 中文字幕明步| 五月天自拍视频| 一月婷婷色色| 五月天婷婷激情四射综合| 成人精品在线观看| 天天肏高清在线| 99精品网| 天天操加勒比| 99热这里只有精品5| 成人五月天在线观看| 校园春色亚洲色| 另类小说五月天| 99九九精品| 电影蜘蛛女| 伊人色综合久久久| 狠狠干狠狠操狠狠爱| 色爱综合网| 丁香综合婷婷五月天| 五月婷婷成人w| 久久婷婷久久| 色五月色五天色情网址| 蜜桃人妻无码AV天堂三区| 丁香五月天资源网| 99热这里全是精品| 综合图区激情| 激情五月丁香激情综合网| 91日韩在线| 91九色超碰正在播放| 九九视频在线观看视频6 | 色婷婷六月天| 色综合久久99色| 丁香五月综合在线视频| 五月天艹天天| 狠狠色精品综合| 2014天天爽| 伊人网大香| 五月婷婷狠狠久久| 婷婷久久色| 色五月丁香com| 婷婷五月天综合网| 丁香六月激情综合| 丁香五月天社区| 天天干 夜夜爽| 男人天堂99| 人人色婷婷| 五月婷婷丁香综合网| 99久久97| 丁香婷婷五月份| 最近中文字幕大全免费版在线| 香蕉久久国产AV一区二区| 五月天桃色深爱网| 婷婷五月综合激情免费视频| 五月婷婷婷婷| 欧美乱码国产一级A片| 99re鈥哸鈥唙| 狠狠综合网| 日日撸夜夜操| 亚洲综合视频网| 久久在线大香蕉| 天天天天干| 色五月av| 久久久91| 五月激情综合网| 婷婷五月天色播| 亚洲99热| 成人做爰高潮A片免费视频| 婷婷在线播放| 日本婷婷色| 日韩不卡123| 久久91久久精品久久| 久久婷婷五月综合色丁香花| 成人无码中文| 97碰久久| 亚洲久久婷婷丁香五月天| 久久久月丁香| 婷婷色色欧美| 开心五月综合激情网| 97碰在线视频| 碰97 久| 99人妻碰碰久久久禁片| 狠狠色狠狠爱| 97色天堂| 五月熟妇婷婷久久| 少妇人妻综合色6699| 九九热最新视频| 91大神操美女| 大香蕉啪啪啪| 狠爱婷色| 激情婷婷五月久久| 五月激情综合深爱| 91热99| 色色国产| 久久亚洲天堂| 另类视频五月天| 九九99久久精品| 日韩AV在线电影| 99热在线网站| 91久久久久久久| 综合逼五月激情婷婷| 婷婷五月天婷婷| 91青娱乐青青草| 综合网五月| 97超碰,人人舔,人人操,人人摸 | 51精品国自产在线| 激情五月,激情综合网| www.日本久久videos| 2020夜夜操天天爽| 99热大香蕉| 丁香六月婷婷久久综合| 91se在线观看| 颜射 精品性爱av| 几激情五月婷婷色五月色天堂| 日本欧美在线| 大香蕉伊然在亚洲90| 99精品自拍| www.婷婷五月天,com| 99色最新在线视频网站| 六月婷婷中文字幕| 日韩AV在线电影| 97碰碰在线看视频免费| 激情网婷婷婷| 婷婷五月丁香五月| 婷婷97色| 深爱五月激情网| 国语精品探花| 五月天久久久| 色呦呦美女| 开心五月婷婷在线视频免费观看| 久久丁香五月天| 超碰免费人人肏| 99婷婷| 综合婷婷五月丁香在线观看| 无码日本精品XXXXXXXXX | 激情爱爱网站超大免费| 色婷婷综合网站| 婷婷综合激情| 丁香五月婷婷色情综合| 五月激情婷婷丁香| 少妇出轨做爰高潮A片| 色婷婷88| 久久婷婷六月综合综合色| 色99在线| 激情综合青草| 色五月婷婷五月| 无码橾| 开心婷婷五月激情网小说 | 97碰碰人人视频| 亚洲五月天伊人| 99热在这里只有精品| chaopeng在线人人| 色欲资源网| 日本三级大片| 99热日韩这里只有精品| 婷婷色在线| 九九黄色网| 日本一区二区三区精品视频| 天天成人五月天| 五月天婷婷在线播放| 五月天AV大香蕉| 婷婷视频网| 亚洲黄3级片网站欧美| 亚洲va在线| 麻豆WWWCOM内射软件| 中文字幕AV在线播放| 久久精彩视频| 激情综合色婷婷啪啪六月天| 五月丁香六月婷婷无码| 亚洲永远av在线播放| 伊人六月无码视频| 国产午夜成人AV在线播放| 亚洲综合激情五月久久| 国产成人网址| 婷婷99| 97久久精品| 97超碰在线免费观看| 九九99久久| 国产黄色大片| 色色性爱视频| 婷婷欧美激情| 亚洲AV人人操| 九月丁香婷婷| 天天日天天干天天操| 99精品自拍视频| 伊人久久大香线蕉av最新| 丁乡久久| 91超级碰| VA国产在线综合网站| 成片免费观看视频大全| 丁香五月婷婷六月婷| 婷婷综合| 色色综合视频| 激情婷婷综合网| 一级性爱视频| 婷婷情色五月天| 婷婷欧美综合| 99这里只有精品视频在线| 免费无码毛片一区二区A片| 五月丁香六月婷精品视频| 99视频| A网在线欧洲| 日韩久久日| 伊人五月天在线| 91人人操人人看| 亚洲乱码在线观看| 久草久青福利| 国产免费性爱| 欧美丁香婷婷五月天| 91一道本| 久久婷婷五月| 色婷婷五月天堂资源| 免费一区二区三区| 日韩人妻无码精品| 丁香五月视频在线观看| 色五月在线综合| 久久丁香综合| 天天日夜夜B久久| 亚洲色无码A片一区二区麻豆| 严洲天天插| 99啪在线| 91超级碰碰碰| www,99热| 色狠狠狠干| 一本大道伊人AV久久综合| 婷婷射丁香| 丁香六月色婷婷| 日本天天色| 九九免费精品在线视频| 久久丁香九| 第四色五月天| 欧美久久婷婷| 亚洲色综合| www.seqingwuyuetian| 五月婷婷六月丁香综合在线| 久思思热视频在线观看| 五月丁香婷婷激情图片| 亚洲激情在线| 色五月影视| 日本综合色色| 色吧网综合| 三级三久久线久久99久目本WW| 777久久综合视频| 日韩久久日| 日本丁香五月| 日本欧美成人片AAAA| 五月天丁香六月综合| 第四色在线观看| 99久久玖玖| 精品99网站| 啊V视频在线观看| 波多野结衣不卡AV| 五月婷婷天堂| 五月丁香亚洲婷婷| 狠狠色丁婷婷日日,伊人激情综合网| 五月丁香狠狠爱婷婷综合| 色色婷婷丁香| 综合网亚洲| 婷婷六月网| 色九月婷婷综合| 男人的天堂在线婷婷| 久九色| 色婷婷成人| 婷婷五月天直播| 婷婷久久免费| 极品人妻VIDEOSSS人妻| 天天日,天天干,天天操| 婷婷综合成人| 天天日日爽| 五月激情婷婷图片基地| 色婷婷AAA| 卡视频1区2区| 国产69精品久久久久999小说| 乱码操操| 欧美色色色色色色色色色色| 色五月综合激情| 99极品视频| 性做久久久久久久免费看| 亚洲天堂AV免费片| 99热情这里只有精品在线播放| 久久久婷婷五月天| 色噜噜狠狠色综无码久久合欧美| 亚洲这里只有精品| 久久婷婷激情| 五月丁香婷婷综合| 99热这里只有精品2| 九九热再线九九视频免费在线观看| 色五月五月婷婷| 免费在线a| 色激情网| 五月天久久激情| 五月天婷婷无码| 色色婷婷综合| 91打屁股免费看| 国产伦亲子伦亲子视频观看| 久久9精品| 猫咪伊人久久| 激情六月天婷婷| 激情小说视频图片网| 日日肏天天操| 色欲香综合网| 丁香花五月天| 午夜电影网VA内射| 这里只有精品2| 五月婷婷丁香狠狠撸久久| 亚洲性爱99在线| 五月丁香六月婷婷中文版| 综合激情网五月激情| 丁香五月综合激情久久潮喷| 色9色| 日本色频| 色的色综合| 婷婷综合五月激情| 婷婷五月天成人综合网| 九九热这里只有精品9| 久久婷婷五月综合色区| 色婷婷网大全在线| 波多婷婷久久| 久久思思99| 伊人婷婷大香蕉| av中文在线| 婷婷五月丁香基地在线视频官网| 色婷丁香五月| 99热这里有精品2| 99精品22| 色色色在线观看| www.精品99| 99色天堂| 五月天激情小说| 婷婷伊人五月天| 九九精品碰| 婷婷激情人妻| 激情五月天综合网站网站网站| 欧洲精品欧洲情| 99精品在线下载| 丁香婷婷九月在线| 超碰五月婷婷五月天| 另类 在线| av 一区三区四区| 婷婷成人丁香色情基地30| 午夜五月天| 五月婷婷啪| 少妇人妻丰满做爰XXX| 青吴乐视频| 色噜噜狠狠色综合网| 日本色婷婷五月天成人电影| 婷婷五月婷| 五月婷婷啪| 久久se 综合网| 伊人大香蕉在线视频| 色丁香五月婷婷| 激情五月,深深爱五月| 狠狠色噜噜狠狠| 极品少妇XXXX精品少妇偷拍| 一婬一伦一区二区三区| 五月丁香综合啪啪啪啪啪| 婷婷开心六月| 91九色网| 久久图色4| 伊人五月婷婷| 91久久| 亚洲视频综合网| 成人电影在线免费试看| 日日操,天天操| 男女99免费视频| 亚洲激情四谢| 91操碰| 五月天婷久精视频| 中国女人内射6XXXXX| 色www.con| 国产精品蜜臀99| 久操大香蕉| 亚洲第一成人AV| 亚洲国产精品五月天| 色狠久| 97色婷婷| 女人露出p毛视频www网站| www夜夜操com| 国产精品扒开腿做爽爽爽A片唱戏 亚洲爆乳无码精品AAA片蜜桃 | 亚洲亚洲人成综合网络| 婷婷99热| 久久精品视频在这里有| 婷婷中合| 免费99情趣网视频| 久久激情综合| 日本操片| 玖玖热视频| 亚洲最大成人综合网720P| 91色婷婷综合久久中文字幕二区| 五月丁香六月情| 国产精品久久久爽爽爽麻豆色哟哟 | 五月丁香啪啪| 九九综合色综合| 色五月色五天免费视频| 婷婷中文字幕欧美| 婷婷色系婷色| 大地资源色婷婷视频在线| 最新av在线观看| 日本婷色| 九九精彩久久| 五月丁香香蕉| 久久婷婷综合色丁香| 99re这里只有精品视频了| 成人午夜视频精品一区| 激情小说五月丁香在线视频观看视频| 欧美日韩99| 99久扒热| 丁香五月激情啪| 中文超碰视在线| 五月丁香花激情综合网| 色网五月婷婷| 色五月婷婷激情五月| 免费视频WWW在线观看网站| 99re66热这里只有精品| 亚洲六月色| 色色婷婷五月| 久久久久人妻精品| 爱性综合网| 99性视频| 人人色性网| 99在线免费视频| 亚洲视频色色| 欧洲电影在线观看免费版英语版| 天天爱天天做天天舔| 黑人糟蹋人妻HD中文字幕| 人人爽在线视频综合网| 色爱综合网| 五月婷婷综合色啪首页| 亚洲六月综合激情久久下卡| 日韩人妻操逼视频| 超碰在线94| 开心婷婷中文字幕| 99热免费精品| 九九这里有精品| 干亚洲天堂| 精品夜夜澡人妻无码AV| 丁香五月欧美激情| 亚洲无码激情| 9精品在线| 婷婷五月综合色中文字幕| 狠狠狠狠狠狠| 五月天婷婷丁香视频| 亚洲色区17| 欧美色五月| 日本啪啪天堂| 久草热8精品视频在线观看| 五月丁香六月婷婷手机无线| 99久久色| 五月婷婷激情| 色五月激情基地| 在线亚洲综合网| 婷婷五月综合在线| 中文不卡一二三区| 97人妻碰碰碰久久久久-最近国语高清| 99re热在线观看| 婷婷亚洲日本| 伊人大香蕉毛片| 99热精品在线观看| 丁香五月六月久久综合| 色九月综合| 久久99大全| 婷婷丁香社区网| 成人中文网| 日本色婷婷| 99久久精彩视频。| 丁香五月婷婷天激情| 日本欧美成人片AAAA| 色婷婷黄色网络| 伊人久久丁香狠狠婷婷综合香蕉| 五月婷婷丁香啪啪| 五月婷婷综合激情| 人人爽欧美婷婷久久久五月丁香 | WWW.婷婷| 这里只有精品网站| 涩涩五月天综合| 色综合女人99| 日韩另类| 五月丁香五月婷婷| wwW天天干| 色五月97| 日产精品一线二线三线芒果| 五月丁香综合中文| 99精彩视频在线观看| 操碰久| 99热都是精品| 思思99热| 激情小说之五月| 99er这里只有精品视频| 免费看片在线观看| 涩涩五月天| 婷婷综合视频| 欧美成人精品一区二区| 天天干,天天舔| 免费看无码视频A级| 少妇高潮呻吟A片免费看软件| 精品A√| 99这里只有精品国产| 综合激情专区| 玖玖@三月天天丁香婷婷| 99视频久久| 伊人在线视频| 天天操天天爱天天玩| 久热只有这里有精品| 玖玖爱导航| 久久涩视频| 99久久综合网| 九九综合色| 久久九九国产精品怡红院| 婷婷五月天伦理| 色丁香五月天射婷婷爱婷婷| 光棍影院日韩精品| www.一区二区三区| 五月天大香蕉av| 丁香六月综合激情| 婷婷伊人綜合中文字幕小说| 色五月综合| 丁香五月激情性色郤| 五月丁香六月婷婷综合免| 日韩九区| 99热新网址| 色情婷婷。| 九九热99久久99| 亚洲综合色激情色五月| 激情内射人妻1区2区3区| 91久久久久久| 狠狠干狠狠色| 丁香九月婷| 女人被男人吃奶到高潮| 久热免费| 六月色播| 这里有精品| 久色婷婷200| 日韩在线aaa| 丁香激情五月少妇| 99re视频精品| 五月综合色播播丁香婷婷| 丁香五月丁香伊人| 5月婷婷激情6月| 中文字幕日韩无码制服诱或| 开心五月婷婷六月丁香| 五月天婷婷色播综合在线| 成人羞羞啪啪 全 视频| 亚洲一色色色色色色色色| 开心深爱五月天| 丁香六月AV| 天天爽天天爽天天爽天天爽天天爽| 无码九九| 色久婷婷网| 五月婷丁香在线视频在线| 丁香五月日啪| 丁香六月天婷婷色| 日本成人小说婷婷六月| 激情性五月天免费小说视频| 婷婷五月天国产手机在线视频观看| 婷婷激情另类| 秋霞电影理论| 天天操电影院色狼性av| 色五婷婷开心缴| 天堂草在线看www| 涩综合婷婷| 狠狠爱婷婷| 91久久婷婷| 久久五月丁香| 在线18av | 亚洲精品另类| 99在线视频女女视频| 日韩AV片| 久久五月天合网| 综合狠狠干| 在线可以看的av网址| 精品久久久人妻| 亚洲av网站| 五月激情小说| 字幕网AV中文字幕| 五月丁香综合成人社区| 久久久www| 亚洲 在线 性爱| 久久99性爱视频| 色五月婷婷大香蕉| 色色色综合网| 日日操夜夜操中国无码| 碰碰91| 好好日激情五月天| 婷婷婷婷婷开心无码播放| 久久大香蕉同僚| 久久九九色| 国产干逼片| 色9月| 久久精品国产色| 天天爽日日爽夜夜爽| 大香蕉伊人99| mmm1717.6dbm人人爱人人操| 日韩av网址大全| 久综合色| 亚洲乱码日产精品BD| 国产色香蕉精品五夜婷| 色色热99| 亚洲成人在线五月天| 五月丁香成人网| 五月天激情色色| 欧美日韩婷婷五月天| 色噜噜狠狠色综合成人99| 热久久77777| 丁香五月欧美| 国产成人网址| 91久久综合亚洲噜噜成人在线 | 婷婷性爱五月天丁香网| 综合色情网| 91人妻视频| 色中色综合| 九九99视频精品| 4399在线观看免费高清电视剧| 丁香五月另类小说| 天天干电影| 欧美、日韩、中文、制服、人妻| 人人玩人人橾| 色99热| 99热有精品在线观看| 蜜臀AV在线成人| 亚洲狠狠干| 天天做天天爱天天爽| 久热超碰91| 五月丁香狠狠地噜噜噜噜| av九九| 综合精品啪啪| 丁香六月婷婷综合麻豆| 激情久久久久久| 亚洲中文AV| 九九这里有精品视频| 久热亚洲| 激情综合另类| 婷婷成人综合免费视频| 亚洲人妻AV| 色婷婷激情视频| 婷婷五月在线综合| AV色婷婷| 九九久久精品國產| ji'qing'luan'ren'lun| 色色色综合网| 婷婷久久影院| 狠狠操狠狠干综合| 国产精品美女久久久久AV超清| 五月丁香啪啪激情| 亚洲婷婷五月| 激情五月婷色| 日日夜夜狠狠干| 狠狠精品干练久久久无码中文字幕 | 第四色五月婷婷| 五月婷婷开心丁香| 日韩丁香涩| 狠狠五月丁香色婷| 97人人草| 丁香五月激情宗合网| 婷婷丁香六月天| 色yeye色综合| 婷婷色网站| 久久五月婷综合| 色天天久婷婷| 欧美大片免费播放器| 婷婷丁香人妻天久久| 婷婷丁香在线| 婷婷九月综合| 日本WWW九九九| 欧美天天搞| 六月丁香VA| 综合网网欲色| 噜噜五月天综合| 九月大香蕉| 女高怪谈在线观看| 婷婷丁香五月天熟女丝袜| 亚洲婷婷激情五月天| 丁香婷婷五月激情四射网| 色色色色色色色色色999| 嫩草AV久久伊人妇女超级A| 六月激情婷婷综合| 久久精品99国产精品日本| 丁香成人综合| 成人无码髙潮喷水A片| 热99热| 白人荫道BBWBBB大荫道| 六月婷婷七月丁香| 国产精品天天狠天天看| 亚洲麻豆乱码国产2028| 激情五月四色| 蜜臀A∨在线水帘洞| 99热在线观看| 精品九九视频在线观看| 91人妻人人操| 五月成人综合| 色婷婷综合影院| 九九色大香蕉| 国产伦理精品高清在线观看网站一区二区| 亚洲av网站| 91chinese在线| 天天日天天舔| 日日操夜夜爽天天天| 丁香五月激情图片婷婷| 婷婷五月深深爱| 久久狠婷婷| 影音先锋噜一噜| 深爱丁香网| 亚洲日韩一页精品发布| 五月天 另类图片| 婷婷五月色情| 99综合自拍| 色婷婷六月性| 欧美怡红院黄站| 六月激情婷婷| 色婷丁香| 无码成人AAAAA毛片AI换脸| 人人草人人爱手机视频看看| 婷婷玖玖五月天| 五月色综合| 婷婷激情五月天亚洲综合| 97自拍视频网| 日夜操B| 婷婷五月天激情在线观看 | 色婷婷综合电影| 久久婷婷五月丁香网| 九九热这里都是精品6| 色综合99无码 | 狠狠操天天操天天操| 亚洲成人AV一区在线观看| www婷婷| 天天综合亚洲综合网天天αⅴ| 四川女人毛多水多A片| 色婷婷久久| 久热视频A.| 色综合色色色色色色综合| 综合99综合久久久久久久| 丁香五月天婷婷久久| 中文字幕天天干| 久久久久人妻| 丁香五月在线观看完整版| 超碰操网| 婷婷的五月天另类视频| 超碰9| 欧美黑人巨大猛烈cuckold| 香蕉大综综综合久久| 色婷婷五月天在线观看| 激情五月婷婷综合视频| 啪啪激情综合| 99re欧美精品| 五月丁香啪| 色亭亭五月天网扯| 狼人婷婷久久| 国产人妻777人伦精品HD| 人人九色| 插插五月天| 色一情一乱一乱一区91Av| 日本操B视频| 97操操| 久久黄色片| 久草久青福利| 啪啪操超碰| 色色色九九九五月婷婷| 日韩欧美颜射| 激情婷婷六月天| 日日干综合| 九九综合伊人| 婷婷操无码| 激情六月婷婷| 日本美女五月天| 丁香五月婷婷天| 丁香五月婷婷狠狠色| 丁香五月婷婷Av| 日韩黄色中文字幕| 精品久久人妻| 天天舔天天摸| 激情五月色在线播放| 99久在线精品99re8| 六月丁香狠狠爱| 国产毛片欧美毛片久久久| 激情综合亚洲| 99热国产这里只有精品| 五月欧美色色五月| 丁香五月综合| 亚洲色综久久五月| 99视频日韩| 偷偷与邻居做爰完整视频| 第四色五月天| 猫咪伊人久久| 伊人在线视频| 99色免费视频| 五月婷婷色情| 色色啊| 伍月婷丁香婷| 色婷| 综合久久久| www.刺激色网站www.| 亚洲精品九九| 综合色色五月| 99久久九九视频| 九九色逼| 婷婷午夜| 伊人在线视频| 婷婷五月天色播| 日本色爽| 色99在线| 思思热在线| 丁香五月婷婷色情综合| 综合久久人妻| 色天天综合| 色婷婷视频综合| 欧美综合五月丁香六月婷| 99亚洲大片精品永久在线观看| 中文精品久久久久人妻不| 色性综合| 五月丁香久久综合| 婷婷亚洲天堂| 色狠狠色| 五月天激情播播网| 久久综合九九| 热九九在线| 日本综合久久| 天天做天天爱天天搞| 亚洲色涩视频| 第四色色六月色综合| 欧美综合婷婷欧美综| 电影《战争与艾拉》免费观看| 国产视频久色| 五月永久激情| 五月之婷婷| 九九色综合视频| 天天做天天爱| 操逼三区| 97操碰| 99无码精品| 国产精品久久久久久久久久免费 | 91无码高清| 丁香婷婷五月六月久久| 五月婷婷综合激情| 五月天色综合| 国产麻豆视频| 久久男人网婷婷| 超碰人人99| 激情久久综合网| 热99精品视频五月| 九九热亚洲中文在线观看免费| 久久婷婷六月| 色婷婷五月亚洲| 欧州色色| 五月婷婷色情| 香蕉久久国产AV一区二区| 久99999热视频在线观看免费| AA片在线观看视频在线播放| 无码字幕中文| 国产激情在线| 婷婷性爱| 婷婷伊人五月| 久久这里有精品| 天天狠天天叉| 国产又爽又猛又粗的视频A片 | 色五月在线观看| 婷婷五月天97干| 五月丁香黄色| 亚洲综合激情五月天婷婷| 日日夜夜天天爽| 激情五月天综合网| 欧美成人va| 五月丁香综合精品欧美| 97极品在线| 色婷婷婷av| 婷婷王月天影院| 色情婷婷五月天| 97人妻超级碰碰碰碰碰| 99热网址| 亚洲 25P| www婷婷| 饮料下药迷倒漂亮女同事强干| 九九操屄| 色色色色综合网| 69激情小说| 色婷婷综合久久久久| 亚洲妇女熟BBW| 久热AA| 凹凸7777操操操| 亚洲成人一区| 五月丁香六月婷婷免费视频| 天天爽夜爽| 99热这里都是精品| 久久中国毛毛片爱久久| 色婷婷五月六月丁香综合视频| 五月天激情小说欧美激情| 久久九九热视频| 婷婷色一二三区波多野结衣| 超碰av在线| 五月六月婷| 丰满人妻一区二区三区| 婷婷五月天毛片| 色国产五月| 色五月婷婷综合在线| 亚洲 综合中文| 五月婷婷黄色| 五月婷网站| 91超级碰碰| 91在线观看www| 伦乱美欧| 色综合网址| 日本色啪| 小视频aaa久久久| 五月婷婷综合在线视频小说| 人妻丰满精品一区二区A片| 99操无码视频观看| VA婷婷亚洲| 69精品人人人人| ou洲色吧| 色婷婷丁香五月丁香| 丁香五月影院| 亚洲色图啪啪| 99热精国产这里只有精品| 久久久婷婷婷| 九月色婷婷综合| 五月丁香花婷婷玉莉AV| 玖玖婷婷五月天| 91久久综合亚洲鲁鲁五月天| 婷婷六月伊人| 校花娇喘呻吟校长陈若雪视频 | 色色五月婷婷| 五月丁香五月婷婷| 99久久超级| 激情五月综合ì香亚洲| 色欲丁香| 免费播放片大片| 丁香欧美| 国精产品一区一区三区免费视频| 天天插天天插天天操| 久久婷婷六月综合综合| 无语停婷丁香网| 91精品熟女| 久久机热/这里只有精品| 日本啪啪网| 久色婷婷200| 丁香婷婷老司机久操| 六月婷伊人| 丁香五月婷婷六月婷| 婷婷色六月| 99热老司机| 六月婷婷av| 五月婷啪啪| 天天激情欧美美女| 九九久久免费视频44| 色月视频| 伊人在线视频| 伊人婷婷激情| 天天干,天天日| 国产99精品免费视频| 色九九综合| 玖玖视频福利| 欧美黄色AA片哗啦啦啦| 伊人婷婷大香蕉| 97色在线视频| 91丨九色丨国产打屁股| 性视频久久| 狠狠操综合| 97操碰视频| 性欧美日本| 色婷婷丁香五月| 337p大胆噜噜噜噜噜91Av| 综合五月婷婷| anquye伊人| 久热99| 99视频在线观看欧| 婷婷五月激情基地| 热久久国产视频| 丁香婷婷五月天成人| 五月丁香啪啪激情| 日本V在线观看不卡视频网站| 婷婷激情五月综合丁| 热热色色五月天婷婷| 人人爽亚洲| 色原狠狠综合| 激情六月色| 五月丁香婷婷色色色| 色色色热热热| 男人天堂伊人五月丁香| 成人综合网站| 六月婷婷狠狠| 日本在线观看99| 99视频在线观看网址| 91九色欧美| 91碰碰| 色综合色欲综合天天免费| 国产毛片精品一区二区色欲黄A片| 丁香五月天av| 综合爱久久| 性生活视频98791| 天天色月| 日本激情综合| 99久热这里只有精品| 爆乳熟妇一区二区三区爆乳照片| 久热免费视频| 婷婷色色播五月天| 中文字幕婷婷在线| 五月婷丁香| 久久五月婷综合网| 久久九九囯产| 五月天婷婷在线视频| 任你爽视频| 久草丁香婷婷1024| 人人做天天爱| 开心五月婷婷婷美女| 婷婷丁香久久| 激情五月婷婷在线区| 五月丁香最新| 日日夜夜天天综合| 激情婷婷五六月天| 免费99色| 日日夜夜干| 亚洲色婷婷网站| 久久99久久久久久久噜噜| 婷婷五月天综合网| 色综合五月婷婷狠狠干| 激情综合在线播放| 婷色五月天| 亚洲最大五月六月丁香婷婷| 色婷婷伊人| a级毛片一区二区免费视频| 操操自拍|