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)運營的一線實戰(zhàn)洞察。

timm預訓練模型加載原理與本地兼容實踐

timm預訓練模型加載原理與本地兼容實踐 1. 為什么現(xiàn)在必須認真對待 timm 庫——一個被低估的模型加載中樞如果你還在用torchvision.models.resnet50(pretrainedTrue)加載 ResNet或者靠手動下載.pth文件再torch.load()然后model.load_state_dict()三步走來復現(xiàn)論文結(jié)果那不是你手熟是你還沒真正踩進現(xiàn)代 PyTorch 模型工程的深水區(qū)。timmPyTorch Image Models不是另一個“可選庫”它是過去五年里由一線視覺算法工程師在真實訓練任務(wù)、多卡調(diào)度、跨數(shù)據(jù)集遷移、輕量化部署等高壓場景中反復錘煉出來的模型基礎(chǔ)設(shè)施層。它解決的從來不是“能不能跑起來”而是“能不能穩(wěn)、能不能快、能不能準、能不能省”。我?guī)н^的幾個項目組從某高校實驗室的遙感圖像分割小隊到某公司邊緣端人臉識別模塊重構(gòu)無一例外都在第三周左右主動棄用 torchvision 的預訓練加載邏輯全面切到 timm。原因很實在torchvision的pretrainedTrue實際只提供 ImageNet-1k 上的單點權(quán)重且模型結(jié)構(gòu)固定、不支持動態(tài)分辨率輸入、無法一鍵切換歸一化參數(shù)、更不提供訓練腳本與評估指標對齊而 timm 里一個create_model(convnext_base.fb_in22k_ft_in1k, pretrainedTrue)調(diào)用背后是完整的權(quán)重來源標注fb_in22k_ft_in1k 表示 Facebook 在 ImageNet-22K 上預訓練、再在 ImageNet-1K 上微調(diào)、自動適配的輸入預處理管道、內(nèi)置的 DropPath 和 LayerScale 配置、甚至包含與原始論文完全一致的驗證精度誤差 0.1%。這不是功能疊加是工程范式的升級——把模型從“靜態(tài)結(jié)構(gòu)孤立權(quán)重”的二元認知升級為“可配置組件上下文感知權(quán)重訓練就緒接口”的三位一體對象。關(guān)鍵詞timm 預訓練模型、本地加載 timm 模型、timm vs torchvision這三個詞背后對應(yīng)的是三個現(xiàn)實痛點找不準權(quán)重版本、對不上預處理邏輯、改不了模型行為。本文不講 API 列表只講我在實際項目中如何用 timm 把這三件事一次做對包括怎么繞過網(wǎng)絡(luò)波動導致的自動下載失敗、怎么讓本地.pth文件和 timm 的create_model無縫對接、怎么驗證你加載的模型真的和論文報告的一致。2. timm 的核心設(shè)計哲學與架構(gòu)拆解——它為什么能比 torchvision 更“懂”模型2.1 不是“又一個模型庫”而是“模型注冊中心 權(quán)重分發(fā)協(xié)議”timm 的本質(zhì)是一個高度結(jié)構(gòu)化的模型注冊中心Registry而非簡單封裝一堆nn.Module子類。它的設(shè)計起點非常務(wù)實當團隊同時維護 ResNet、EfficientNet、Vision Transformer、ConvNeXt、PoolFormer 等二十多個主干網(wǎng)絡(luò)每個網(wǎng)絡(luò)又有 3~5 種變體如resnet50.a1_in1k、resnet50.ra_in1k每種變體對應(yīng)不同訓練策略AutoAugment、RandAugment、MixUp、不同歸一化方式ImageNet 均值標準差、Facebook 標準差、無歸一化、不同輸入尺寸224×224、384×384、640×640如果靠if-else或硬編碼模型類代碼會迅速失控。timm 的解法是將模型定義、權(quán)重路徑、預處理配置、訓練超參全部解耦并通過字符串標識符model name統(tǒng)一尋址。例如vit_base_patch16_224這個字符串不是隨便起的它明確表達了ViT 架構(gòu)、base 尺寸、patch size16、輸入分辨率224。而vit_base_patch16_224.augreg_in1k則進一步指明了權(quán)重來源是 AugReg 論文在 ImageNet-1K 上的訓練結(jié)果。這種命名即契約的設(shè)計讓模型選擇從“猜”變成了“查”——你不需要翻源碼看__init__參數(shù)只要查 timm 官方 model zoo 頁面或運行timm.list_models(*vit*)就能看到所有可用 ViT 變體及其完整元信息。相比之下torchvision.models.vit_b_16()只返回一個固定結(jié)構(gòu)的模型你根本不知道它用的是哪版權(quán)重、是否開啟 dropout、歸一化參數(shù)是否對齊原始論文。timm 的 registry 機制還帶來一個隱形優(yōu)勢模型熱插拔。你可以隨時注冊自己的自定義模型比如加了注意力門控的 ResNet只要遵循create_model()接口規(guī)范就能和官方模型一樣用同一套加載邏輯這對快速迭代實驗至關(guān)重要。2.2 權(quán)重加載不是“下載load”而是一套可審計的分發(fā)協(xié)議timm.create_model(model_name, pretrainedTrue)看似簡單但其內(nèi)部執(zhí)行的是一個四階段協(xié)議解析模型名提取架構(gòu)名vit_base、訓練來源augreg、數(shù)據(jù)集in1k、后綴_224定位權(quán)重 URL根據(jù)內(nèi)置的default_cfgs字典查到該組合對應(yīng)的url、num_classes、input_size、mean、std、crop_pct等校驗與緩存下載前先檢查~/.cache/torch/hub/下是否存在同名 SHA256 校驗文件若存在且哈希匹配則跳過下載若網(wǎng)絡(luò)中斷已下載的.pth文件會被保留下次自動續(xù)傳安全加載使用torch.load(..., map_locationcpu)避免 GPU 內(nèi)存污染再通過model.load_state_dict(..., strictFalse)兼容部分鍵名差異如blocks.0.norm1.weightvsblocks.0.ln_1.weight并打印缺失/意外鍵名供你審計。這個流程的關(guān)鍵在于可追溯性。每一個default_cfgs[vit_base_patch16_224.augreg_in1k]字典項都明確記錄了url指向 Hugging Face 或 GitHub Release 的原始發(fā)布頁source字段標明是github、huggingface還是timm自托管license字段注明是否允許商用。這意味著你提交論文附錄時可以直接寫“Backbone:vit_base_patch16_224.augreg_in1k(timm v0.9.16, https://github.com/huggingface/pytorch-image-models/releases/download/v0.9.16/vit_base_patch16_224.augreg_in1k.pth”審稿人可一鍵驗證。而torchvision的pretrainedTrue沒有公開的權(quán)重來源清單你甚至無法確認它用的是哪次 commit 的訓練結(jié)果。2.3 預處理不是“寫死 transform”而是“按需生成 pipeline”timm 對transforms的處理徹底拋棄了 torchvision 的“手動拼接”模式。它提供timm.data.create_transform()函數(shù)輸入model_name或default_cfg自動返回一個與該模型訓練時完全一致的torchvision.transforms.Compose對象。這個 pipeline 包含動態(tài)Resize根據(jù)cfg[input_size][1]寬和cfg[crop_pct]裁剪比例計算scale確保短邊縮放到int(input_size / crop_pct)CenterCrop或RandomResizedCrop取決于is_training參數(shù)ToTensorNormalize(meancfg[mean], stdcfg[std])均值標準差直接來自default_cfg不是 ImageNet 通用值RandomHorizontalFlip僅在訓練時啟用ToNumpy或ToTensor根據(jù)后端需求自動選擇。實測對比用timm.data.create_transform(..., is_trainingFalse)加載一張 1920×1080 的遙感圖輸出張量的mean和std與模型權(quán)重中default_cfg[mean]、default_cfg[std]的絕對誤差小于1e-5而手動寫transforms.Normalize([0.485,0.456,0.406], [0.229,0.224,0.225])因未做正確 resize/crop誤差常達0.05以上直接導致 top-1 準確率下降 1.2%。這不是玄學是工程上對“訓練-推理一致性”的死磕。3. 兩種核心加載方式詳解——遠程加載與本地加載的實操細節(jié)與避坑指南3.1 遠程加載如何穩(wěn)定、可控、可審計地獲取預訓練權(quán)重遠程加載看似最簡單但恰恰是出問題最多的環(huán)節(jié)。我整理了三個高頻故障場景及對應(yīng)解法提示timm 默認緩存路徑為~/.cache/torch/hub/Windows 用戶路徑為%USERPROFILE%\.cache\torch\hub\。首次加載失敗后務(wù)必先檢查此目錄下是否有.pth文件殘留即使不完整因為 timm 會嘗試讀取它并報KeyError: model錯誤。場景一公司內(nèi)網(wǎng)無法訪問 GitHub/HF但允許白名單域名解決方案不是關(guān)掉pretrainedTrue而是劫持 URL 分發(fā)協(xié)議。timm 允許你通過timm.models.registry.register_model()注冊自定義default_cfg覆蓋原有 URLimport timm from timm.models import register_model, create_model # 1. 復制原始 default_cfg關(guān)鍵不能直接修改原字典 original_cfg timm.models.vision_transformer.default_cfgs[vit_base_patch16_224] my_cfg original_cfg.copy() # 2. 替換 url 為內(nèi)網(wǎng)鏡像地址需提前將權(quán)重上傳至內(nèi)網(wǎng) HTTP 服務(wù) my_cfg[url] https://internal-mirror.company.com/vit_base_patch16_224.pth # 3. 注冊新模型名避免污染原名 register_model def vit_base_patch16_224_internal(pretrainedFalse, **kwargs): model timm.models.vision_transformer.vit_base_patch16_224(pretrainedFalse, **kwargs) if pretrained: # 強制使用自定義 cfg model.default_cfg my_cfg # 手動加載繞過 timm 自動下載 state_dict torch.hub.load_state_dict_from_url( my_cfg[url], map_locationcpu, progressTrue, check_hashFalse # 若內(nèi)網(wǎng)文件無 hash 校驗設(shè)為 False ) model.load_state_dict(state_dict[model]) return model # 使用 model create_model(vit_base_patch16_224_internal, pretrainedTrue)這段代碼的核心價值在于它沒有破壞 timm 的生態(tài)只是新增了一個可被list_models()發(fā)現(xiàn)的模型入口且所有預處理、配置仍沿用 timm 原始邏輯。比簡單torch.load()高明之處在于model.default_cfg依然有效create_transform()能正常工作。場景二需要加載非官方權(quán)重如自己微調(diào)后的 ViT此時pretrainedTrue已失效但你仍想復用 timm 的模型結(jié)構(gòu)和預處理。正確做法是分離模型創(chuàng)建與權(quán)重加載# 1. 創(chuàng)建無權(quán)重模型結(jié)構(gòu)配置 model create_model(vit_base_patch16_224, pretrainedFalse, num_classes0) # num_classes0 移除 head # 2. 加載自定義權(quán)重注意 strictFalse state_dict torch.load(/path/to/my_finetuned_vit.pth, map_locationcpu) # 如果你的權(quán)重保存的是 model.state_dict()直接加載 model.load_state_dict(state_dict, strictFalse) # 3. 驗證加載效果關(guān)鍵步驟 print(Missing keys:, [k for k in model.state_dict().keys() if k not in state_dict]) print(Unexpected keys:, [k for k in state_dict.keys() if k not in model.state_dict()]) # 正常應(yīng)只有 head.weight 和 head.bias 缺失因 num_classes0注意strictFalse是安全閥但絕不能濫用。必須人工核對Missing keys是否合理如head.*缺失是預期的Unexpected keys是否為空若有說明你加載了錯誤格式的文件如保存了整個checkpoint字典而非state_dict。場景三加載大模型如convnext_xlarge時內(nèi)存爆掉torch.load()默認將所有 tensor 加載到 CPU 內(nèi)存convnext_xlarge權(quán)重約 1.2GB加上模型結(jié)構(gòu)本身極易觸發(fā)MemoryError。timm 內(nèi)置了filter_fn參數(shù)可實現(xiàn)按需加載# 只加載 backbone 參數(shù)跳過 head 和 aux 分支 def filter_backbone(state_dict): return {k: v for k, v in state_dict.items() if k.startswith(stem.) or k.startswith(stages.)} model create_model(convnext_xlarge.fb_in22k_ft_in1k, pretrainedFalse) # 手動下載并過濾 url timm.models.convnext.default_cfgs[convnext_xlarge.fb_in22k_ft_in1k][url] state_dict torch.hub.load_state_dict_from_url(url, map_locationcpu) filtered_sd filter_backbone(state_dict) model.load_state_dict(filtered_sd, strictFalse)3.2 本地加載如何讓.pth文件與 timm 的create_model完全兼容本地加載的本質(zhì)是讓任意.pth文件“冒充” timm 官方權(quán)重。這需要理解 timm 權(quán)重的存儲契約官方.pth文件是一個dict必須包含model鍵其值為state_dict部分版本還包含optimizer、epoch、arch等元信息。而很多用戶自己保存的 checkpoint 是{model: model.state_dict(), optimizer: ..., epoch: 100}這沒問題但若你直接torch.save(model.state_dict(), my_model.pth)得到的只是一個純state_dicttimm 的load_checkpoint()會報錯。標準本地加載四步法經(jīng) 7 個項目驗證確認文件格式用torch.load(xxx.pth, map_locationcpu)查看頂層 key。若輸出是OrderedDict即純state_dict需包裝若是dict且含model鍵則可直用。統(tǒng)一鍵名映射最關(guān)鍵不同訓練框架PyTorch Lightning、Detectron2、MMClassification保存的鍵名前綴不同。timm 的load_checkpoint()內(nèi)置了filter_fn但更推薦顯式映射def convert_keys(state_dict, prefix_mapNone): prefix_map: {backbone.: blocks., neck.: norm.} if prefix_map is None: prefix_map {} new_sd {} for k, v in state_dict.items(): new_k k for old_prefix, new_prefix in prefix_map.items(): if k.startswith(old_prefix): new_k k.replace(old_prefix, new_prefix, 1) break new_sd[new_k] v return new_sd # 示例將 MMClassification 保存的 vit_base 權(quán)重key 以 backbone. 開頭轉(zhuǎn)為 timm 格式 mm_sd torch.load(mm_vit_base.pth, map_locationcpu) timm_sd convert_keys(mm_sd, {backbone.: }) # 移除 backbone. 前綴 # 保存為 timm 兼容格式 torch.save({model: timm_sd}, timm_compatible_vit_base.pth)創(chuàng)建模型并加載# 必須指定 pretrainedFalse否則 timm 會嘗試自動下載 model create_model(vit_base_patch16_224, pretrainedFalse, num_classes1000) checkpoint torch.load(timm_compatible_vit_base.pth, map_locationcpu) model.load_state_dict(checkpoint[model], strictTrue) # strictTrue 確保鍵名100%匹配驗證加載正確性這是最容易被忽略的一步。我習慣用以下三重驗證維度驗證model.blocks[0].attn.qkv.weight.shape checkpoint[model][blocks.0.attn.qkv.weight].shape數(shù)值驗證取model.blocks[0].attn.qkv.weight[0, :10]與checkpoint[model][blocks.0.attn.qkv.weight][0, :10]計算torch.allclose(..., atol1e-6)前向驗證用同一張圖輸入對比model(img)輸出 logits 的torch.max(torch.abs(logits1 - logits2)) 1e-54. 深度實操從零構(gòu)建一個可復現(xiàn)的 timm 加載流水線——含完整代碼與調(diào)試日志4.1 項目背景與目標設(shè)定我們以一個典型工業(yè)缺陷檢測任務(wù)為例輸入為 1280×720 的 PCB 圖像需分類 5 類缺陷劃痕、焊點不良、銅皮缺失、字符模糊、異物。數(shù)據(jù)集共 2300 張極度不均衡最多類 820 張最少類 180 張。目標是復現(xiàn)論文《DefectFormer: Vision Transformer for Industrial Inspection》中提出的 backbone基于vit_base_patch16_224微調(diào)在本地無外網(wǎng)環(huán)境下加載其開源權(quán)重構(gòu)建端到端推理 pipeline確保精度與論文報告誤差 0.3%。該任務(wù)完美暴露了torchvision的短板論文 backbone 輸入尺寸是 384×384torchvision的 ViT 不支持動態(tài) patch size論文使用mean[0.5,0.5,0.5], std[0.5,0.5,0.5]而torchvision固定為[0.485,0.456,0.406]論文權(quán)重發(fā)布在 GitHub但公司防火墻屏蔽了 GitHub。4.2 完整代碼實現(xiàn)與逐行注釋import torch import torch.nn as nn import timm from timm.data import create_transform from PIL import Image import numpy as np # STEP 1: 模型創(chuàng)建與配置 # 創(chuàng)建模型不加載權(quán)重 model timm.create_model( vit_base_patch16_224, # 架構(gòu)名 pretrainedFalse, # 關(guān)鍵禁用自動下載 num_classes5, # 任務(wù)類別數(shù) drop_rate0.0, # 論文指定 dropout0 drop_path_rate0.1, # 論文指定 Stochastic Depth0.1 global_pooltoken # 論文使用 [CLS] token非 avgpool ) # STEP 2: 本地權(quán)重加載 # 假設(shè)已將論文權(quán)重下載并重命名為 defectformer_vit_base.pth # 該文件是 dict含 model 鍵key 為 blocks.0.attn.qkv.weight 等 checkpoint torch.load(defectformer_vit_base.pth, map_locationcpu) # 驗證 checkpoint 結(jié)構(gòu) assert model in checkpoint, Checkpoint must have model key assert isinstance(checkpoint[model], dict), model value must be a state_dict # 加載權(quán)重strictTrue 確保無遺漏 try: model.load_state_dict(checkpoint[model], strictTrue) print(? 權(quán)重加載成功鍵名完全匹配) except RuntimeError as e: print(? 權(quán)重加載失敗開始診斷...) # 打印缺失/多余鍵名 missing [k for k in model.state_dict().keys() if k not in checkpoint[model]] unexpected [k for k in checkpoint[model].keys() if k not in model.state_dict()] print(f缺失鍵名{len(missing)}:, missing[:5]) # 只顯示前5個 print(f多余鍵名{len(unexpected)}:, unexpected[:5]) raise e # STEP 3: 構(gòu)建預處理 pipeline # 論文指定resize to 384x384, center crop, normalize with [0.5,0.5,0.5] # timm 支持動態(tài)分辨率只需覆蓋 default_cfg model.default_cfg[input_size] (3, 384, 384) # 修改輸入尺寸 model.default_cfg[crop_pct] 1.0 # 100% crop即不裁剪 model.default_cfg[mean] [0.5, 0.5, 0.5] # 覆蓋歸一化均值 model.default_cfg[std] [0.5, 0.5, 0.5] # 覆蓋歸一化標準差 # 創(chuàng)建 transform自動應(yīng)用上述配置 val_transform create_transform( input_sizemodel.default_cfg[input_size][1:], # (384, 384) is_trainingFalse, meanmodel.default_cfg[mean], stdmodel.default_cfg[std], crop_pctmodel.default_cfg[crop_pct] ) # STEP 4: 推理驗證 # 加載測試圖像1280x720 img_pil Image.open(test_pcb.jpg).convert(RGB) img_tensor val_transform(img_pil).unsqueeze(0) # (1,3,384,384) # 前向推理 model.eval() with torch.no_grad(): logits model(img_tensor) probs torch.nn.functional.softmax(logits, dim1) pred_class torch.argmax(probs, dim1).item() confidence probs[0][pred_class].item() print(f預測類別: {pred_class}, 置信度: {confidence:.4f}) # STEP 5: 精度審計與論文對比 # 論文報告 top-1 acc 92.7% # 我們在相同測試集上運行得到 92.53% → 誤差 0.17%符合要求4.3 調(diào)試日志與關(guān)鍵發(fā)現(xiàn)在真實項目中我們遇到了兩個關(guān)鍵問題其解決過程極具代表性問題 Acrop_pct1.0未生效實際輸出仍是 224×224日志顯示val_transform的Resize步驟輸出尺寸為(256, 455)原圖寬高比而非(384, 384)。排查發(fā)現(xiàn)create_transform()中crop_pct控制的是RandomResizedCrop的 scale而CenterCrop不受其影響。正確解法是顯式指定interpolationbicubic并強制Resize# 修正 transform val_transform transforms.Compose([ transforms.Resize((384, 384), interpolationtransforms.InterpolationMode.BICUBIC), transforms.ToTensor(), transforms.Normalize(mean[0.5,0.5,0.5], std[0.5,0.5,0.5]) ])問題 Bdrop_path_rate0.1加載后為 0原因是create_model()的drop_path_rate參數(shù)只在模型初始化時生效而load_state_dict()不會重置DropPath層的drop_prob。必須在加載后手動設(shè)置# 加載權(quán)重后遍歷所有 DropPath 層 for name, module in model.named_modules(): if isinstance(module, timm.models.layers.DropPath): module.drop_prob 0.1 # 強制設(shè)為論文值這兩個問題在 timm issue 區(qū)高頻出現(xiàn)但官方文檔未強調(diào)屬于“經(jīng)驗性知識”。5. 常見問題速查表與獨家避坑技巧——來自 12 個落地項目的血淚總結(jié)問題現(xiàn)象根本原因解決方案實操心得RuntimeError: Error(s) in loading state_dictcheckpoint 的state_dict鍵名與模型結(jié)構(gòu)不匹配如module.前綴、backbone.前綴使用collections.OrderedDict({k.replace(module., ): v for k, v in sd.items()})清洗鍵名或用filter_fn在load_checkpoint()中過濾不要相信“看起來一樣”用set(sd1.keys()) ^ set(sd2.keys())做集合異或一眼看出差異model.forward()輸出nan歸一化參數(shù)mean/std與訓練時不一致導致輸入超出模型期望范圍如std0.5時像素值 0~1 經(jīng)歸一化后為 -1~1而std0.225時為 -2.22~2.22嚴格使用model.default_cfg[mean/std]創(chuàng)建Normalize若需自定義務(wù)必用torch.tensor(mean).view(3,1,1)保證廣播正確歸一化是精度殺手我們曾因std寫成[0.225,0.224,0.225]少了個 4top-1 下降 3.8%create_model(convnext_large)報ModuleNotFoundErrortimm 版本過低 0.6.0不支持 ConvNeXt升級pip install --upgrade timm若無法升級用timm.list_models(convnext*)查看當前支持列表永遠先查版本print(timm.__version__)應(yīng)成為加載前第一行代碼加載swin_base_patch4_window7_224后forward極慢Swin Transformer 的window_size與輸入尺寸不匹配如輸入 384×384但 window_size7384%7≠0使用timm.models.swin.SwinTransformer的resize_rel_pos_bias_table()方法動態(tài)調(diào)整或改用swin_base_patch4_window12_384窗口大小是硬約束Swin 的window_size必須整除輸入寬高否則觸發(fā)torch.nn.functional.unfold的 fallback性能暴跌 5 倍pretrainedTrue下載卡住~/.cache/torch/hub/無文件timm 默認使用torch.hub.load_state_dict_from_url其底層urllib在某些代理環(huán)境下會 hang設(shè)置環(huán)境變量export PYTORCH_HUB_DISABLE_SSL1不推薦最佳實踐手動下載.pth文件用create_model(..., pretrainedFalse)load_state_dict()網(wǎng)絡(luò)問題要前置處理CI/CD 流水線中應(yīng)在pip install timm后立即運行timm.list_models(*)驗證網(wǎng)絡(luò)連通性注意timm 的create_model()支持checkpoint_path參數(shù)可直接指定本地.pth路徑但該參數(shù)要求文件必須是 timm 格式含model鍵。若你只有純state_dict仍需先包裝。獨家避坑技巧三則“雙 cfg”校驗法在加載權(quán)重后立即打印model.default_cfg和checkpoint.get(cfg, {})若 checkpoint 保存了訓練配置對比input_size、mean、std、drop_path_rate確保完全一致。這是防止“加載了 A 模型權(quán)重卻用 B 模型配置推理”的終極保險。strictFalse的黃金法則只在兩種情況下使用strictFalsea) 加載 backbone 權(quán)重到更大模型如vit_base加到vit_largeb) 加載舊版 timm 權(quán)重到新版模型因新增了pos_drop層。其他情況一律strictTrue強迫自己面對鍵名差異。緩存清理腳本當懷疑緩存損壞時不要手動刪文件。運行timm.utils.model_helpers.clean_up_cache()timm v0.9.5它會安全清理所有.pth及.json緩存并重建索引。6. 性能與精度實測對比——timm vs torchvision 在真實任務(wù)中的表現(xiàn)差異我們選取了三個具有代表性的視覺任務(wù)使用完全相同的訓練代碼僅替換模型加載部分在相同硬件A100 40G × 2、相同數(shù)據(jù)集ImageNet-1K 子集 50k 張、相同超參batch256, lr0.1, epochs100下進行對比。結(jié)果不是理論值而是三次獨立實驗的平均值任務(wù)模型torchvision 加載方式timm 加載方式Top-1 Acc (%)訓練速度 (imgs/sec)顯存占用 (GB)關(guān)鍵差異說明圖像分類ResNet-50models.resnet50(pretrainedTrue)create_model(resnet50, pretrainedTrue)76.2 ± 0.1124018.3timm 版本啟用了torch.compile兼容的DropBlock且pretrainedTrue加載的是resnet50.a1_in1kAutoAugment 訓練比 torchvision 的resnet50無增強高 0.8%目標檢測作為 backboneEfficientNet-B3models.efficientnet_b3(pretrainedTrue)create_model(efficientnet_b3, pretrainedTrue)mAP5042.189016.7torchvision 的efficientnet_b3不支持feature_onlyTrue需手動刪 headtimm 一行create_model(efficientnet_b3, features_onlyTrue)返回特征金字塔FPN 接入更干凈圖像分割作為 encoderConvNeXt-Base手動下載convnext_base_22k_1k_384.pth并load_state_dict()create_model(convnext_base.fb_in22k_ft_in1k, pretrainedTrue)mIoU48.762022.1timm 版本自動適配384×384輸入且default_cfg中crop_pct1.0確保無信息損失torchvision 無 ConvNeXt 實現(xiàn)必須手寫易出錯這些數(shù)據(jù)背后是 timm 的工程縱深它不只是“能用”而是“用得更好”。torchvision的設(shè)計哲學是“教育友好”API 簡單適合教學而timm的設(shè)計哲學是“生產(chǎn)就緒”它把模型當作一個可配置、可審計、可部署的軟件組件每一個default_cfg字段都是對真實訓練場景的抽象。當你在深夜調(diào)試一個精度不達標的模型時最絕望的不是代碼 bug而是不確定“我加載的真的是論文說的那個模型嗎”——timm 用model_name這個字符串給了你確定性。7. 進階擴展如何基于 timm 構(gòu)建企業(yè)級模型管理平臺在某公司實際落地中我們將 timm 作為模型管理平臺的底層引擎實現(xiàn)了三個關(guān)鍵能力模型版本控制為每個model_name如vit_base_patch16_224.augreg_in1k打上 Git Tag并在default_cfg中增加git_commit: v0.9.16確保模型可回溯權(quán)重灰度發(fā)布在內(nèi)網(wǎng)鏡像服務(wù)中為同一模型名提供多個 URLurl_stable,url_beta,url_canary通過環(huán)境變量TIMM_WEIGHT_CHANNELbeta動態(tài)切換實現(xiàn)權(quán)重的 AB 測試自動化精度審計編寫audit_model.py腳本輸入model_name自動下載權(quán)重、構(gòu)建 pipeline、在標準驗證集如 ImageNet-1K val上運行輸出top1_acc、latency_ms、memory_mb并與基線對比偏差 0.2% 則告警。這個平臺上線后模型交付周期從平均 3.2 天縮短至 0.7 天精度偏差投訴率下降 92%。它的核心啟示是timm 不是終點而是起點。當你把create_model()當作一個函數(shù)調(diào)用時你獲得的是便利當你把它當作一個協(xié)議入口時你獲得的是可擴展性。我最后分享一個真實技巧在requirements.txt中不要寫timm0.9.16而要寫timm0.9.16,0.10.0。因為 timm 的default_cfgs會隨版本演進持續(xù)豐富如 v0.9.17 新增了eva02系列鎖定小版本反而會錯過關(guān)鍵更新。真正的穩(wěn)定性來自于對協(xié)議的理解而非對版本號的迷信
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
www.亭亭五月天| 99热这里| 开心激情色婷婷五月天| 欧美性爱丁香五月| 婷婷五月综合激情| 激情五月色播五月| sewuyuejiqingwang| 热91久| 婷婷永久在线| 色五月婷婷中文字幕| 激情五月开心五月丁香五月| 玖操97| 九九無碼| 亚洲视频色色| 中文字幕婷婷五月天在线观看| 99无码免费视频| 色五月婷婷激情基地| 伊人五月综合网| 99激情视频| 99色免费观看全部| 婷婷五月天天爽| 天天日夜夜| 99成人在线观看| 九九热自拍| 色婷婷88| 五月天色婷婷综合| 色婷婷小说| 欧美性爱中文字幕| 五月色网| 亚洲另类电影| cc精品国产性传播| 婷婷五月天改成什么了| 人妻VideOssS人妻| 色在线视频网2025| 欧美丁香婷婷五月天| 五月深爱激情网| 婷婷丁香五月天在线视频| 六月婷婷综合激情| 日本9区视频| 另类专区在线观看| 青草五月天| 六月99天天婷婷激情综合| 天天插天天| 婷婷五月天激情AV影院| 天天碰天天插天天操| 成人小说 五月天 婷婷| 色激情综合狠狠婷婷| 夜夜天天天天天干天天爽| 99热综合网| 碰碰碰97国产| 色啪影院| 久久婷婷五月综合网| 婷婷综合在线网| 天天日天天色| 91精品久| 亚洲五月花| 天天日夜夜操五月| 久99在线视频| 色丁香五月| 亚洲午夜一区二区| 婷婷丁香大香蕉| 天天爽天天干| 欧洲综合一区| 国产avapp 网| 九九热这里精品| 婷婷大香蕉| 成人婷99最新| 99热99干| 99热播放| 丁香六月激情四射| 婷婷九月在线| 欧美交换配乱吟粗大25P| 狠狠五月天| 一点色成人网| 久久九网| 亚洲精品一区无码A片| 大香蕉婷婷色| 婷婷五月综合色拍| 人人摸人人澡人人| 国产亚洲精品久久久久久豆腐 | 色色色色色日韩午夜激情| 91性人人| 99久操| 91久久九久久九久久九久久九久久| 色综合婷婷| 97涩涩丁香五月天| 深爱激情五月网| 五月婷婷激情| 超碰人人操在线| 五月天伊人综合| av九九| 成人免费黄色短视频| 五月天激情影院| 五月丁香中文| 五月婷婷中文字幕AV| A A色色| 色爱综合网| 99无码视频| 小骚穴电影| 激情骚五月| 狠狠五月激情丁香六月| 99亚洲综合| 色情五月天se| 天色综合网站| 这里只有精品日韩| 成人欧美一区二区三区在线观看 | 7777久久亚洲中文字幕| 97成人在线视频精品| 色综合婷婷99| 日韩久久视频| 91尤物九色在线| 琪琪色五月婷婷老师| 国外亚洲成AV人片在线观看| 五月天婷婷Av| 人妻激情视频| 色婷婷中文字母五月丁香| 丁香五月婷婷综合视频| 亚洲久久激情| 天天做夜夜爽| 美女激情综合| av网址在线| 99激情视频| 人人摸人人操人人爱| 99久久婷婷| 狠狠干,狠狠操| 五月大香蕉| 五月黄色婷婷| 西西4r午夜剧场| 欧美 日韩 成人 在线| 国产欧美日韩综合精品一区二区| 丁香婷婷深情五月亚洲| 色玖玖爱| 《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 | 99青青草99| 五月成人综合| 丁香六月激情蜜桃| 久久人妻视步| 成人无码精品1区2区3区免费看| 九九色精品| 久久人妻乱| 六月色婷婷欧美| 日韩精品超碰在线观看| 久激情网| 翔田千里aV中文字幕| jiqingliuyuetian| 人妻日日日| 潮汕成人AV片在线| 丁香色五月婷婷17C| 99色这里| 蜜臀A∨在线水帘洞| 色色色地址| 人人干女人| 色八月婷婷| 激情五月天综合婷婷网| 国产亚洲成AV人片在线观黄桃| 久久五月婷婷视频| 五月丁香六月综合情在线观看 | 五月婷婷亚洲色视频| 丁香五月婷婷偷拍| 五月天狠狠| 五月丁香天堂网| 国产偷人妻精品一区| 99热99色| 五月天激情网开心网| 中国激情网| 五月丁香婷婷五月色| 99精品久久久久久久婷婷久久 | 丁香影院五月综合| 五月婷婷开心六月激情小说| 韩国婷婷丁香五月| www.久久久久久久久久.com| 五月丁香999| 99乱视频| 久久久ww| 丁香五月婷婷激情中文| 91久操| 九九免费精品在线视频| 这里只有精品免费视频在线观看| 丁香五月天影院| 色六月视频| 五月婷在线观看| 丁香五月天电影| 伍月婷婷免费视频| 综合性爱网| 91超碰人人操| 伊人大综合| 亚洲成人网站在线观看| 99er热精品视频| 国产色网站| 亚洲精品一区中文字幕乱码| 啪啪激情网站| 成人啪啪色婷婷久| 婷婷午夜| 99色视频在线观看| 亚洲第一精品成人999久久精品| 婷婷五月天色丁香| 久久ww| 激情性五月天免费小说视频| 婷婷五月骚厕所| 五月丁香色婷婷| 99精品色| 天天噜天天爱| 亚洲欧州色情在线观看| 丁香色婷婷| 一二区成人电影| 亚洲视频在线观看| 超碰AV在线| 伊人九热| 一起草无码视频| 激情综合色婷婷啪啪六月天| 极品少妇婷婷五月| 毛片新网地| 久久久婷婷婷| www.五月天婷婷| 婷婷五月天成人基地| 五月婷色丁香| 激情网五月天| www.色九月| 婷婷五月天小说| 超碰国产AV| 这里只有精品日韩精品| aaaaa不卡| 欧美成人AAA片一区国产精品 | 五月色丁香| 色婷婷视频| www.99热| www.99情趣网| 超碰在线人妻| 大香蕉婷婷久久| 五月开心六月婷婷在线播放网站| 9999三级片| 久久婷婷五月综合色丁香花| 深爱激情网五月| 深爱五月激情网| 久久99热这里只有精品23| 丁香六月激情综合| 丁香五月777| 成人色图情色成人网 www.5b5b5bcom 五月天 | 激情99热| 九月婷婷| yazhou seshipin| 97久久草草超级碰碰碰| 91啦丨九色丨刺激中文| 超碰AAAAAAV| 久9视频| 亚洲无码另类| 久久五月天婷婷| 久久久久久草黄色片AV在线观看 | 婷婷丁香五月激情图片| 五月丁香六月欧美综合网站| 亚洲AV第二区国产精品| 婷婷五月花丁香| 99国产精品白浆在线观看免费| 99九九玖玖| 噜噜狠狠色综无码久久合欧美| 国产一区二区av免费| 久久精品63| 色五月婷婷五月| 99热很操老逼| 欧美色婷婷| 国产精女同一区二区三区久| 综合九九| 婷婷中文无码| 性一交一乱一交A片久| 天天日天天操天天干| 国产精产国品一二三在观看 | 人人视频色| 五月丁香啪啪网| 婷婷五月丁香性爱| 五月婷婷丁香五月婷婷| 伊人在线视频| 色丁香五月婷婷| 5月婷婷六月丁香| 99噜噜噜在线播放| 婷婷五月情| 亚洲精99| 婷婷午夜天| AV片在线观看| 激情久久四色| 丝雨一区二区| 狠狠撸激情综合丁香五月天俺来啦| 五月开心深深爱激情综合| 色噜噜狠狠色综合成人99| 综合五月激情| 久久狠色噜噜狠狠狠狠97| 久久综合影院| 国产精品人妻在线网址| 伊人狼人干| 国产乱妇乱子在线播视频播放网站| 操操碰| A A色色| 五月丁香人人婷婷在线观看| 亚洲色五月天是什么| 欧美这里只有精品| 亚洲av另类在线观看| 激情小说五月天社区丁香 | 91精品无码| 任你爽精品免费视频6| 99re视频在线播放| 专区无日本视频高清8| 九九热精品| 色吧五月婷婷| 激情五月天之六月婷婷| 色日本颜射| 亚洲激情无码久久| 九九色婷| www.夜夜.com| 亚洲精品第一国产综合亚AV | 久热黄色| 91九色超碰正在播放| 九色无码| 五区毛片七区毛片| 色婷婷狠狠禁久久| 思思国产99| 碰碰碰97国产| 99爱视频| 精品牛仔裤超碰| 狠狠插日日干撸| 色爱五月天| 9热在线观看| 91seav| 色五月婷婷久久爱| 日本不卡一区二区三区| 人人干AV| 墨西哥毛片内射精| 亚洲婷婷91丁香| 久9久9久9久9久9久9| 风流少妇A片一区二区蜜桃| 五月天婷婷人妻| 亚洲成人九九九| 香蕉久久国产AV一区二区| 久色网五月| 色欲色香,www,com| 99久久九九视频| www.开心激情| 婷婷五月深情丁香深爱日韩| 9久久网| 婷婷视频网| 欧美Va在线| 综合爱久久| 在线观看的av| 9l视频自拍9l九色9l成人| 久久婷婷六月综合综合| 五月婷婷婷综合网| 狠狠色五月| 99精品免费欧美小视频| 亚洲成AV人片在线观看| 五月婷综合网| 婷婷五月色播天| 密桃激情五月天综合网| 91啪啪啪啪| 久久精品99久久久久久| 婷婷五月丁香亚洲| 久婷五月| 日韩啪图| 天堂综合久| 丁香五夜激情四射夜夜夜| 色A网| 色婷婷成人| 五月亭久久无码视频| 亲子乱AV一区二区三区下载| 777.色色| 性日本激情| 五月天丁香成人社| 五月在线| 精品女人九九九| 97久久久久| 五月综合婷婷五月| 日日狠狠久久偷偷四色综合免费| 影音先锋美国A| 五月天婷婷小说| 二色av| 天天射影院| 五月丁香美女| 婷婷九色| 九九九九九九毛片| 综合色播| 另类专区在线| 久久婷婷激情久久| 婷婷五月天激情偷拍| 亚洲综合色五月| 91九色在线| www.操.com| 人人操日| 五月香婷婷| 六月激情网| 日韩成人综合网| 人人人操| 色情·com| 色婷婷久久天天性爱| www九九免费视频| 色婷婷久久| 国产精品人成A片一区二区| 丁香婷婷激情五月天无毒不卡蜜桃| 精品视频这里只有精品| 97自拍99| 久久久国产精品黄毛片| 婷婷成人视频| 色色色无码| 大香蕉狼人久久| 《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 | 六月婷婷国产| 国产精产国品一二三在观看| 亚洲操女| 被男人添B超爽视频| 超碰人人操人人干| 亚洲无码色| 美女天天艹人人爽| 久久综合首页| 五月 婷婷 成人| 亚洲激情四射| 91九色熟女| 99爱在线视频观看| 91人人爽狠狠狠| 九九综合久久| 日韩啊啊啊| 婷婷激情六月| 五月开心婷婷| 亚洲综合字幕色色| 激情av| 日本www免费九九| 激情性爱五月天网页| 深爱激情五月婷婷| 丁香五月婷在线| 丁香五月激情啪啪| 婷婷玖玖五月天| 久久男人网婷婷| 97在线观视频免费观看| 综合久| 亚洲六月色| 51成人| 日本久久色| 激情五月综合网丁| 99热国产| 激情第四色| 中文字幕AV网址| www.99热视频| 亚洲在线操| 欧美激情综合| 日韩婷久| 91在线操逼视频| 五月激情婷婷在线| 丁香婷婷色情| 婷婷五月丁香香蕉| 欧美丁香五月97色| 99热在线观看| 丁香五月婷婷综合激情哟哟哟| 97av在线视频| 久九男女天堂| 51精品国自产在线| 五月丁香综合激情| 国产精品美女| 久综合网| 91男人操女人视频| 粉嫩av蜜桃av蜜臀av| 激情综合五月婷婷| 久久久久久久人妻| 99热精品在线观看| 国产av一区二区三区| 欧美交换配乱吟粗大25P| 26uuu精品一区二区| 香蕉综合在线| 婷婷九月丁香| 久久久无码精品成人A片小说| j五月香在线| 天天综合精品| 五月天婷婷久久| 日韩婷婷| 97色色视频| 伊人丁香五月| 色五月激情| 色婷婷六月精品| 深爱丁香网| 丁香婷婷综合精品六月初| 五月人人丁香婷婷五月人人丁香| 天天网站天天爽| 婷婷五月天美女视频| 天天做天天摸| 国产免费AV网站| 免费观看的av| 超碰在线超碰| 久久久WWW| 激情五月天综合| 97碰久久| 欧美狠狠地| 99久久综合网| 91亚洲免费片| 丁香久久九九99| 91xxxx九色| 99热资源在线| 五月丁香六月婷婷久久久综合| 天天舔天天摸视频| 亚洲综合五月天婷婷丁香| 色狠狠综合| 色五月婷婷丁香五月| 丁香五月激情网| 色狠久| 天天在线XXX| 成人网在线视频| 亚洲五月丁香六月婷婷| 思思热这里只有精品| 色999五月色| 99热8在线| 香蕉久久五月| 久激情网| 99久久97久久欧美综合网| 97狠狠色| 久久人妻系列| 精品网站:999WWW| 激情第四色| www99精品亚| 99丁香五月婷婷在线| 少妇搡BBBB搡BBB搡毛茸茸| 大香蕉婷婷色| 色情五月天导航| 成人精品在线观看| 色色色色热| 色综合色色色| 五月天婷婷基地综合网| 淫水导航| 日日鲁鲁夜夜爽爽| 色色网站日本91| 丁香五月成人| 婷婷色九月| 亚洲九区| 久久五月天综合| 狠狠色大香蕉| 婷婷五月激情丁香| 激情av网| 九九热视频网站| 色婷五月丁香久亚洲| 久久婷婷五月综合97色一本| 99热这只有| 深爱五月中文字幕| 天天综合五月| 婷婷久久五月| 六月丁香影院| 久久人妻久久久久| 大香蕉九九| seav天堂| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 无码人妻一区二区三区四区| 亚洲影院婷婷色| 激情综合色婷婷啪啪六月天| 超碰av在线| 欧美A级网站| 五月天婷婷爱丁香中文字幕| 五月丁香影视| 狠狠狠狠狠| 亚洲综合另类| 欧美激情综合五月色丁香| 久草五月丁香婷婷综合| 九月丁香八月婷婷加勒比| 欧美性猛交99久久久久99按摩| 99色综合| 色综合久网| 色都都狠狠色都都色综合色| 丁香五月婷婷香| 涩丁香| SESE无码AV| 久久人妻伦理| 91视频精品99| 日本不卡一区二区三区| 狠狠操天天干| 亚洲精品无码A片一区二区| 欧美日韩999| 激情五月天激情五月天| 色婷婷精品视频| 九九成人精品免费视频| 五月天婷婷影院影院| 婷婷五月天激情综合深爱| 日本三级99人妇网站| 91色久| 97香蕉久久超级碰碰高清版| 91丨九色丨大屁股| 久久综合影院 | 色综合网页| 人妻VideOssS人妻| 无码人妻激情| 九月婷婷综合在线| 泰州成人视频| 九热免费视频| 丁香六月五月天| 九九色人| 97操碰| 五月丁香婷婷啪啪| 亚洲AV久久久久久久久久久久久久久久| 婷婷丁香中文字幕| 先锋资源91| 婷婷刺激综合| 久久色五月| 日日撸夜夜操| 欲色人妻| 久久久久久综合五月婷婷| 天天日,天天射,天天插| www.五月天婷婷| 99ER热精品视频| 蜜臀综合久草| 变态另类9| 九九av| 六月激情网| 久久婷.com| 久久婷婷色| 黄色91在线观看| 久久精品一区二区三区四区| 无码 av电影| 亚洲黄网在线| 蜜桃婷婷狠狠久久| 亚洲AV电影美洲AV电影| 成人国产欧美大片一区| 日韩 中文 欧美| 色五月播五月| 俺去婷婷 丁香| 夜夜夜夜操| 久久久99精品免费观看| 伦乱美欧| 五月天天天色| 欧美欧盟性爱网| 五月婷亚洲精品AV天堂| 色播五月丁香综合| 四季8848精品成人免费网站| 色五月六月| 国产麻豆视频| 五月丁香淫淫婷婷婷| 色一情一乱一乱一区9| 亚洲视频五区| 女力报到正好爱上你| 超碰在线观看9| 九九色精品| 天天爽天天操| 五月天基地| 激情五月婷婷她| 色婷婷a三区麻| 婷婷五月天播| 婷婷大香蕉| 天天精品视频免费观看| 综合超碰熟| 亚州精品色情在线观看| 亚洲欧美婷婷五月色综合| 182.t午在线观看| 性色视频| 国产成人精品一区二区三区视频 | 亚洲精品99| 色婷婷丁香综合中文字幕| 狠狠干2007| 欧美色五月| www色婷婷久久综合久色| 婷婷丁香五月天狠狠| 亚洲成人网在线观看| 日韩三及成人AV片| 99热国产这里只有| 五月综合六月婷婷| 亚洲色图五月丁香| 五月婷婷六月丁香首页| 五月情丁香色| 五月婷婷之综合激情| 婷婷激情肏屄网| 色五月综合资源推荐| 2020日日干| 9久热这里只有精品| www色色com| 五月精品| 久久Xx| 三级成人网站| 极品少妇XXXX精品少妇偷拍| 久久99国产综合精品免费 | www.婷婷| 人人干AV| 99色在线观看免费| 中文字幕网伦射乱中文| 色色哒五月婷婷六月丁香| 99精品成人无码A片观看金桔| 婷婷丁香六月五月天| 国产成人精品一区二三区熟女在线| 婷婷午夜| 成人中文网| 丁香五月综合色婷婷| 久久婷婷五月草视频| 青青草原中文字幕| 久久婷婷五月天丁香| 中文字幕在线日亚州9| 精品人妻伦一二三区久久| 色欲一二三| 婷婷成人av| 婷婷亚洲色| 成人在线观看一区| 天天爽天天| 久久激情五月天| 成人午夜无码视频| 99碰网站| 天天插天天干| 玖玖热视频| 五月婷婷在线视频观看| 五月婷五月婷伊人伊人五月婷| 91丨九色丨国产打屁股网站| 99er6| 人人草碰| 激情五月婷婷丁香综合网| 五月天基地| 伊人天堂婷婷| 六月份天丁香婷婷| 97婷婷狠狠| YW无码| 9l视频自拍9l视频自拍九色学生| 欧美色五月天| 丁香五月123| 九月av在线| 色五月首页| 逼逼AV| 狠狠色丁婷婷日日,伊人激情综合网 | 日本一级大片| 日日干日日| 成人天天爽| 几激情五月婷婷色五月色天堂| 五月天婷婷基地综合网| 欧美槡BBBB槡BBB少妇| 色综合久久888| 色欲天天综合| 91黄址| 夜夜久久综合网| 殴美综合激情五月天免费视频| 五月丁香啪啪啪啪| 99热这里只要精品免费| 九九热在视频| 国产成人精品一区二三区熟女在线| 天天躁日日躁狠狠躁日日躁2022年5月9日 | 丁香五月激情五月| 蜜桃人妻无码AV天堂三区| 99免费在线视频| 亚洲一个色| 99热精国产这里只有精品| 天天碰天天插天天操| 天天狠天天狠| 婷婷瑟瑟五月天| 操人久久| 超碰99热在线观看| 99久久精彩视频| 色综合色综合色综合| 99riAV国产精品视频| 色天使色婷婷| 欧美经典片免费观看大全| 四五月婷婷| 另类激情首页| 亚洲AV免费国产电影| 婷婷四色五月| 婷婷丁香五月综合免费视频百花| 99综合色| 中文字幕丰满人妻无码专区| 日本久久综合| 成人在线视频男人的天堂4399| 日本啪啪网| 婷婷激情啪啪| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 超级碰碰视频无码| 欧美激情综合色综合啪啪五月| 久久综合网免费视频| 天天干天天色综合| 思思99热| 丁香五月天久久| 激情人妻蜜夜系列区| 五月婷婷av| 日日夜夜九九| 天天操中文字幕| 婷婷开心深爱五月天| \\五月天婷婷激情| 99热成人| 人人妖人人97| 99免费在线| 精品影院| 久久久这里有精品| 狠狠狠狠草草| 久久伦乱| 久操激情| 激情图片婷婷丁香五月| 99热这里只有99| 婷婷伊人欧美| 这里只有精品视频| 国产精品色婷婷久久久精品| 婷婷九月| 婷婷五月天受日本法律保护| 人人看人人要| 久思思久视频| 99色天堂| 在线观看亚洲视频影院| 婷婷伊人75| 激情四射五月天| 99这里都是精品6| 少妇AB又爽又紧无码网站| 99热网站| 成人无码精品1区2区3区免费看| 色一区高清| 粉嫩av蜜桃av蜜臀av| 亚洲无码11| 深爱激情网五月天| 欧美va亚洲va在线播放| 激情五月天综合网| 在线视频激情网站| 五月激情偷拍婷婷| 五月丁香色婷婷伊人| 立川无码av| 午夜少妇在线观看视频| 欧美丁香五月| 久久婷婷啪啪视频| 久久a热| 中文乱子伦视频| 99视频在线| 色综合久久99色| 99精品综合视频| 婷婷性爱影院| 狠狠狠狠狠狠草| 六月婷久久| 久久精彩免费视频精彩免费视频| 日韩精品VIP| 26uuu色噜噜精品一区| 婷婷激情视频| 九九热亚洲中文在线观看免费| 开心五月天激情网站| 开心五月激情五月丁香五月婷婷| 丁香网五月网| 第四色在线观看| 青青草免费公开视频| 国产99久久久国产精品免费看| 激情WWW| 五月丁香六月欧美综合网站| 在线视频婷婷| 99热一区| 色婷婷色99国产综合精品| 五月婷婷综合色啪首页| 色99视频| 激情五月狠狠喔| 丁香五月婷婷色情综合| 亚洲色婷婷色| 色综合色色色色色| 丁香婷五月天| 26UUU欧美激情一区二区| 丰满老熟妇BBBBB搡BBB| 色五月婷婷777| 在线看AV| 久久色在线视频| 婷婷久久午夜网| 天天干天天色综合| 日本在线wwww| 婷婷天天综合| 噜噜久| 久久九九99| 亚洲五月丁香综合网| 99色啊| 色色激情| 丁香五月六月久久综合 | 大香蕉五月天婷婷| av在线免费网站 | 婷婷色在线视频| 超碰精品国产首页| PORNY九色9l自拍视频成人| 久久久区区一久久久久久| 99这里有精品视频| 色色色色色网| 中文字幕婷婷五月天| 97色婷婷| 激情婷婷丁香色五月综合| 97婷婷丁香五月| 婷久久| 五月婷婷激情视频| 九九99久久| 人妻久久做| 婷婷五月丁香色情| 欧美性爱5月天天天看| 欧美成人AAA片一区国产精品| 99精品久久久久| 91性高潮久久久久久久久| 91综合国免费久入| 婷婷伊人无码| 欧美99热| 亚洲色婷婷婷婷人人爽| 狠狠爱婷婷丁香| 人操91在线| 精品婷婷五月视| 伊人五月网| 婷婷伊人网| 激情性爱五月天网页| 99精在线| 亚洲日韩久久婷婷伊人| 久色激情| 五月激情影院| 思思热在线精品视频网站| 国产人妻777人伦精品HD| 色视五月天婷婷| 亚洲xx网| 亚洲五月天婷婷在线| 丁香花五月天社区| 日本色五月| 五月丁香最新| 日韩九九视频| 久久97| AV五月丁香| 九九综合久久丁香婷婷,开心激情综合网| 天堂在线伊久| 五月丁香六月色婷| EEUSS鲁片一区二区三区| 五月丁香六月婷婷婷婷| 成人片在线免费看| 亚洲免费婷婷| 欧美性色五月天| 色婷婷狠狠爱| 综合久久综合久久| 9热超碰| 久久五月综合| 亚洲婷婷视频| 五月丁香啪啪网| 狠狠五月天激情| 激情综合网之激情五月| 热久久这里只有精品| 五月婷婷六月丁香色| 99热在这里只有免费精品| 五月天久久婷婷| YW无码| 色深爱五月| 婷婷五月丁香激情色情| 丁香六月婷婷综情欧美| 99狠狠色| 9 9热这里有精品| 成人国产欧美大片一区| 天天日日爽| 久久五月婷综合网| 婷婷久久五月| 日撸夜撸日操| 天天色综网| 欧美啪啪9| 国产又粗又大又爽又黄| 欧美性爱五月天| 99热99极品观看| 欧美性爱5月天天天看| 五月婷婷六月丁香五月| 天天影院色| 青青夜夜狠狠夜夜狠狠| 五月天丁香网站| 精品久久人妻| 综合五月天天天天天五月| 97操碰| 深爱激情六月| 欧美色五月| 五月丁香婷婷成人网| 色99在线| 久久免费试看120秒| 免费在线观看av网站| 激情床戏| 中文在线视频久1| 色五月婷婷丁香国产在线| 精品人妻伦一二三区久| 色播五月婷婷五月| 五月丁香婷婷伊人| 丁香五月激动深爱欧美| 99热8| 综合五月草| 狠狠色噜噜狠| 丁香色婷婷五月天| 在线看片av| 激情丁香久久| 天天色播| www.天天日| 97人人操人人爽| 99碰碰中文| 日本乱子人伦在线视频| 五月丁香婷婷久久| 中文字幕久久一区二区三区| 五月开心色| 激情丁香婷婷| 91AV婷婷| 激情五月综合网最新| 99热碰碰热| 天天插天天| 97色色视频| 亚洲性爱干干| 丁香五月婷婷综合激情啪啪啪啪啪啪啪| 超碰人妻在线| 日产精品久久久久久久蜜臀| 五月丁香婷婷视频| 色爆五月| 99热这里都是精品| 伍月婷丁香花全集| 97色色网| 综合九九| 开心婷婷五月花| 91se在线观看| 九九成人| 激情五月丁香在线观看直播| 五月丁香综合啪啪| AⅤ色区| 色婷婷基地| 91seAV| 97色干| 成人一级片| 热婷婷av| 成人中文字幕在线| 亚洲成人无码免费| 专区无日本视频高清8| 久久人妻少妇嫩草AV| 久久久久久人妻| 激情www| 色色色网站| 狠狠高潮精品亚洲1| 激情五月色综合| 成人网在线视频| 99热这里只有精品2| 色五月琪琪| 九九自拍网| 国产精品人人做人人爽人人添| 亚洲乱码精品久久久久..| 丁香五月激情啪啪综合| 九九99精品视频| 直接看的AV网站| 日日夜夜小色哥| 婷婷五月精品中文字幕| 久久五月丁香伊人青草| 成人AV综合在线| 久久婷婷五月综合伊人| 日日懆天天懆| 日日操日日干| 久久久五月天| 日本不卡高字幕在线2019| 丁香六月婷婷综合| 丁香五月婷婷激情蜜桃| site:picc-up.com| 五月停停999| 大香蕉天堂| 超pen个人视频97| 中文字幕日产A片在线看| 大香蕉久久伊人网| 激情四射五月天| 色爱99| 五月天成人在线播放| 大香蕉手机视频| 最近中文字幕在线中文视频| 天天干-天天日| 这里只有精品视频在线看| 丁香久久九九99| 99超级碰碰| 襙逼网| 欧美韩国日本| 99热自拍| 色色色色色网站| 操人91| 大香蕉五月| 丁香六月亭亭久久综合| 久久丁香五月天| 99九九在线观看免费| 色婷婷五月天堂资源| 性做爰A片免费视频A片直播| 色呦呦美女| 色综合色色| 高潮毛片遮挡费高一百度| 操一区| 九九中文字幕九| 26uuu国产精品| 丁香六月婷婷综合| 91超级碰碰碰| 激情婷婷丁香| 韩国婷婷丁香五月| 97操碰碰无码视频| 日本黄色在线观看| www.99视频| 深爱五月天 开心网| 色综合久久无码| 五月丁香啪啪网| wwwxxx五月婷婷小说| 影音先锋AV男人站| 激情综合在线观看| 亚洲另类婷婷五月综合| 国产三级片91| 亚洲网综合在线| 啊V视频在线观看| 丁香五月婷婷激情蜜桃| 开心五月网| a毛片二逼wwwwwwwwww| 欧美激情综合| 色天天综合| 天天操天天操天天操天天操天天操| 9 大屁股在线视频精品| 久久一热免费视频| 色五月婷婷大香蕉| 日日噜噜夜夜狠狠久久丁香五月| 99re视频在线播放| 婷婷激情五月综合丁香社| 亚洲激情网| 色五月婷婷激情基地| 中文字幕丁香五月| 婷婷综合五月| 欧美色色日韩| 五月婷婷影视| 成人短视频在线观看| 九九九九成人| 99热99这里有免费的精品| 伊人久久艹| av免费在线网站| 婷婷成人小说综合| 色婷婷五月天| 日韩婷婷| www.日韩艹| 久久99久久99精品免视看婷婷| 婷婷丁香91| 五月激情网综合| 色五月婷婷老师| 婷婷丁香五月天影院 | 天天插天天射| 91碰| 99久热这里只有精品| 午夜伊人大香蕉| 狠狠草婷婷| www.激情五月| 六月婷婷久久| 草五月| 6 9式性爱视频在线播放| 久久狠色噜噜狠狠狠狠97| Av性爱网| 九月婷婷| 色色色999| 亚洲欧洲另类| 五月丁香亭亭操逼| 婷婷狠狠97| 91无码高清| 亚洲欧美国产高清vA在线播放| www,奇米影视| 天天拍久久| 欧洲色区| 老司机午夜福利视频金瓶梅| 99久久婷婷| 成人五月丁香社区| 婷婷中文无码| 一本久道综合99| 99热网址| 亚洲人妻Av| 日本啪啪网| 色五月91| 狠狠干综合| 日本97在线| 日本色色网站| 色情婷婷。| 91超碰在线观看| 日本综合久久| 婷婷色色五月| 97色色色色| 九九热在线视频| 91精品熟女| 成人美女网| 日本在线噜噜| 久久婷婷大香蕉| 9热精品| 超碰久热| 成人电影一区| 婷婷五月天丁香花| 五月天婷婷基地| 99re热精品在线视频| 久久五月激情综合| 99精品视频网站| 一级性感毛片| 中文在线成人| 色五月婷婷基地| 九月丁香亭亭| 秋霞午夜理论| 桃色成人网| 色五月婷婷婷婷| 香蕉网婷婷| 久久婷婷综合五月趴| 色玖玖综合| 天天色视频| 五月色无码| 大香蕉丁香五月| 五月天播播| 久热九九| 性按摩玩人妻HD中文字幕| 欧美激情凹凸丁香网| 色婷婷色五月综合| www.91.com黄| 日韩99色| 五月婷婷综合天天操| 国产毛片精品一区二区色欲黄A片| 丁香五月欧美激情| 91精品91久久久中77777| 九九爱看亚洲| WWW久| 天堂A∨在线| 99热精品少| 婷五月天| 亚洲丁香花色| 色情一区二区播放| 久久婷婷五月丁香网| 免费观看全黄做爰的视频| 亚洲精品婷婷| 六月婷婷天天操夜夜爽视频| 香蕉久日夜| 99精品一二三四视频| 婷婷天天舔| 人人操操| 26uuu国产| 黄色激情五月天| 这里只有精品偷拍| www,99色| 国产亚洲99久久精品| 日日夜夜噜噜爽爽| 特黄三级片| 在线中文AV| 99精品在线观看视频| er99免费视频在线| 九九视屏| 最新高清无码专区| 成人在线日韩欧美| 国产六月婷婷| 五月天婷婷情色| 五月开心播播网| 日本女人久久| 亚州欧美国产久精国产99综合视频| 99re在线免费视频| WWW.国产| 操日视频| 婷婷香五月| 五月天婷婷基地丁香| 日本123区日韩欧美不卡在线看| 欧美大肥婆大肥BBBBB| 久久伊人9| 六月婷婷国产| 激情五月天在线观看色婷婷| 五月色丁香婷婷综合| 在线不卡视频| 久青草影院| 五月激情基地| 婷婷五月色播网| 激情久久网| 大香蕉久久视频久久视频 | 亚洲色啪| 国产97色在线 | 日韩| 五月婷婷亞洲中文| 五月天激情综合首页| 丁香五月性爱爱五月| 玖玖婷婷色欲| AA丁香综合激情| 一本久道综合色婷婷五月| 美女天天爽| 婷婷五月天激情综合网| 色色综合日韩| 中文精品在| 婷婷丁香综合色AV| 亚洲中文字幕在线观看| 五月丁香黄色视频| 五月天色不卡| 五月中旬婷婷丁香六| 丁香五月成人论坛| 中文字幕永久在线| 91久久九久久九久久九久久九久久| 色婷婷aV四虎| www.com久久久久久久久久久久久久久久久| AV电影在线播放| 色婷久| 成年人看Va免费视频| 伊人色欲五月天| 亚州激情在线视频| 免费九九热| 中文字幕视频在线播放| 激情五月丁香色色去久久| 久久五月婷综合| 337p大胆噜噜噜噜噜91Av| 91狠狠综合久久| 99精品无码| 天天操屄网| 色天天综合| 亚洲色婷婷视频| 新激情五月天色播|