E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
动手学深度学习学习整理
动手学深度学习
(pytorch版)第二章-2.2数据预处理Note-pandas
1.创建importosos.makedirs(os.path.join('..','data'),exist_ok=True)data_file=os.path.join('..','data','house_tiny.csv')withopen(data_file,'w')asf:f.write('NumRooms,Alley,Price\n')#列名f.write('NA,Pave,1275
Wall-E99
·
2023-09-25 00:38
深度学习
pytorch
人工智能
动手学深度学习
(pytorch版)第二章2.1 Note-ndarray
1.入门x=torch.arange(12)//首先,我们可以使用`arange`创建一个行向量`x`。这个行向量包含以0开始的前12个整数,//它们默认创建为整数。也可指定创建类型为浮点数。张量中的每个值都称为张量的元素(element)x.shapex.numel()//如果只想知道张量中元素的总数X=x.reshape(3,4)torch.randn(3,4)//以下代码创建一个形状为(3,
Wall-E99
·
2023-09-25 00:37
深度学习
pytorch
人工智能
动手学深度学习
(pytorch版)第二章-2.3线性代数Note-linear-algebra
类型标量:仅包含一个数值被称为标量向量:向量可以被视为标量值组成的列表矩阵:正如向量将标量从零阶推广到一阶,矩阵将向量从一阶推广到二阶。A=torch.arange(20).reshape(5,4)A.T//转置张量:是描述具有任意数量轴的n维数组的通用方法X=torch.arange(24).reshape(2,3,4)张量算法的基本性质张量与张量A=torch.arange(20,dtype=
Wall-E99
·
2023-09-25 00:36
深度学习
pytorch
线性代数
动手学深度学习
V2___截图
Beforedivingintodeeplearningresearch,it’sbeneficialtohaveasolidfoundationinseveralkeyareas.Herearesometopicsyoushouldconsidermastering:Mathematics:Deeplearningreliesheavilyonmathematicalconceptssuchas
ShCDNay
·
2023-09-24 16:09
深度学习
人工智能
动手学深度学习
_个人笔记01_李沐(更新中......)
序言神经网络——本书中关注的DL模型的前身,被认为是过时的工具。深度学习在近几年推动了CV、NLP和ASR等领域的快速发展。关于本书让DL平易近人,教会概念、背景和代码。一种结合了代码、数学和HTML的媒介测试深度学习(DL)的潜力带来了独特的挑战,因为任何一个应用都会将不同的学科结合在一起。应用DL需要同时了解:(1)以特定方式提出问题的动机;(2)给定建模方法的数学;(3)将模型拟合数据的优化
ShCDNay
·
2023-09-24 16:39
深度学习
笔记
人工智能
解决d2l在anaconda经常安装失败的问题
李沐老师《
动手学深度学习
》配套一个d2l-zh用来学习非常方便,但是经常出现下载d2l失败的问题anaconda安装时大部分的库已经下好了,直接pipinstalld2l经常出现版本冲突采用最直接的办法在
wwse
·
2023-09-24 16:28
python
笔记
工控研究入门篇
0x00序言最近要参加工控安全竞赛,
学习整理
一些工控内容,为比赛做好准备。
B1u3Buf4
·
2023-09-24 16:44
安全研究
工控
工控协议
c语言结构体
学习整理
(结构体的初始化,自引用和偏移)
1.结构体的介绍c语言结构体(struct)从本质上讲是一种自定义的数据类型,只不过这些数据比较复杂,是由int,char,float等基本类型组成的。你可以认为结构体是一种聚合类型。在实际开发中,我们可以将一组类型不同的,但是用来描述用一件事物的变量放到结构体中。例如,在校学生有姓名,年龄,身高,成绩等属性,学了结构体后,我们就不需要再定义多个变量了,将他们都放到结构体中即可。2.结构体的声明和
欧杨小枫
·
2023-09-24 04:53
c语言
整理之哲学课
80期同学们真善美的艺恩老师专注的我
学习整理
一年后再来写,对整理的感觉又不同了开始不理解为什么整理是最落地的哲学,等我实践了一年,又学习了哲学课,才终于有那么一点点理解其中的逻辑!那么先从哲学开始吧?
伶俐7003
·
2023-09-23 15:53
《
动手学深度学习
Pytorch版》 7.6 残差网络(ResNet)
importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2l7.6.1函数类如果把模型看作一个函数,我们设计的更强大的模型则可以看作范围更大的函数。为了使函数能逐渐靠拢到最优解,应尽量使函数嵌套,以减少不必要的偏移。如下图,更复杂的非嵌套函数不一定能保证更接近真正的函数。只有当较复杂的函数类包含
AncilunKiang
·
2023-09-23 15:57
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
网络
《
动手学深度学习
Pytorch版》 7.4 含并行连接的网络(GoogLeNet)
importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2l7.4.1Inception块GoogLNet中的基本卷积块叫做Inception块(大概率得名于盗梦空间),由4条并行路径组成。前3条路径使用窗口大小为1×11\times11×1、3×33\times33×3和5×55\times5
AncilunKiang
·
2023-09-23 15:56
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
网络
《
动手学深度学习
Pytorch版》 7.3 网络中的网络(NiN)
LeNet、AlexNet和VGG的设计模式都是先用卷积层与汇聚层提取特征,然后用全连接层对特征进行处理。AlexNet和VGG对LeNet的改进主要在于扩大和加深这两个模块。网络中的网络(NiN)则是在每个像素的通道上分别使用多层感知机。importtorchfromtorchimportnnfromd2limporttorchasd2l7.3.1NiNNiN的想法是在每个像素位置应用一个全连接
AncilunKiang
·
2023-09-23 15:25
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
网络
4月23日《整理生活》读书会第一期圆满完成
分享谈论分享经验解读书本合照留影美丽花茶4月23日,世界读书日>读书会通知时间:4月23号9:30--11:30地点:三坊七巷塔巷娜里花店茶歇费:35元/人(茶水,点心)读书会主持:安娜内容:主要通过读书会,细读,精读,在认知上
学习整理
的方法
Anna安娜_吴
·
2023-09-23 11:44
《
动手学深度学习
Pytorch版》 7.5 批量规范化
7.5.1训练深层网络训练神经网络的实际问题:数据预处理的方式会对最终结果产生巨大影响。训练时,多层感知机的中间层变量可能具有更广的变化范围。更深层的网络很复杂容易过拟合。批量规范化对小批量的大小有要求,只有批量大小足够大时批量规范化才是有效的。用x∈B\boldsymbol{x}\inBx∈B表示一个来自小批量BBB的输入;$\hat{\boldsymbol{\mu}}_B$表示小批量BBB的样
AncilunKiang
·
2023-09-23 09:14
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
React源码系列之React启动过程分析
React源码系列之React启动过程分析经历一个月的
学习整理
,站在前人的肩膀上,对React有了一些浅薄的理解,希望记录自己的学习过程的同时也可以给大家带来一点小帮助。
web老猴子
·
2023-09-23 07:50
react.js
javascript
前端
react启动过程
React启动过程分析经历一个月的
学习整理
,站在前人的肩膀上,对React有了一些浅薄的理解,希望记录自己的学习过程的同时也可以给大家带来一点小帮助。
Bug程序员枯港
·
2023-09-23 07:16
程序人生
整理的意义
而我从不得不收拾衣物到“知道整理是门学问”,再到各种渠道
学习整理
术经过了至少20年。
暮色苍茫328
·
2023-09-22 12:28
k8s使用时无法ping通服务器From IP地址 icmp_seq=1 Destination Host Unreachable
文章均为
学习整理
笔记,分享记录为主,如有错误请指正,共同学习进步。
寒山李白
·
2023-09-22 09:09
Linux
#
Kubernetes
kubernetes
服务器
tcp/ip
linux
ubuntu
虚拟机用户切换及设置root权限的密码
文章均为
学习整理
笔记,分享记录为主,如有错误请指正,共同学习进步。
寒山李白
·
2023-09-22 09:08
Linux
linux
ubunu
Putty连接服务器
文章均为
学习整理
笔记,分享记录为主,如有错误请指正,共同学习进步。
寒山李白
·
2023-09-22 09:08
Linux
服务器
运维
linux
ubuntu
putty连接虚拟机报错Access defined
文章均为
学习整理
笔记,分享记录为主,如有错误请指正,共同学习进步。
寒山李白
·
2023-09-22 09:33
Linux
linux
ubuntu
【家庭模式与夫妻情感】第八次践行
课程已经过半,于我而言更多的是在学习中整理思绪总结过往,让自己的内心在逐步的
学习整理
中不断向成年期心理年龄过渡,争取孩子教育中做到更好的引导。过往已已,诸事亦终。
昔梦寒心
·
2023-09-21 12:46
《
动手学深度学习
》(pytorch版+mxnet版)2023最新
这本书就是李沐、阿斯顿·张、立顿、斯莫拉四位大佬联合编写的《
动手学深度学习
》。本书面向中文读者,能运行、可讨论,适合本科生、研究生、工程师以及研究人员学习。
深度之眼
·
2023-09-21 11:20
深度学习干货
人工智能干货
深度学习
pytorch
mxnet
租房党如何在预算不多的情况下打造令人心动的家
---近藤麻理惠
学习整理
以来,被推荐最多的就是各种收纳工具,看的最多的案例也是各种ins风的居住空间图片,看着很美,但是落地到自己家,发现很多东西都需要金钱去承载,而目前租的房子属于30年的老房子,如果要改造成理想的空间
若小素
·
2023-09-20 14:55
算法刷题:动态规划-背包问题
学习整理
文章目录前言一、背包问题定义背包问题前置知识滚动数组0-1背包问题二、背包问题分类及其解法1.0-1背包问题0-1背包问题思路梳理和题解优化方案2.完全背包问题3.多重背包问题4.分组背包问题参考博客前言本篇记录笔者对于动态规划中的背包问题再次学习的整理一、背包问题定义背包问题前置知识滚动数组所谓的滚动数组,就是在动态规划中,在同一个维度的空间上,新一层计算的结果覆盖上一层计算的结果,从而达到降维
Julian Q
·
2023-09-20 12:56
算法
算法
动态规划
学习
【DL】使用pytorch从零实现线性回归
1.线性回归简介此内容主要依据李沐老师的《
动手学深度学习
》课程,同时结合了网络上其它资料和自己的理解。
None072
·
2023-09-20 04:29
#
深度学习
pytorch
线性回归
机器学习
《
动手学深度学习
Pytorch版》 7.2 使用块的网络(VGG)
importtorchfromtorchimportnnfromd2limporttorchasd2l7.2.1VGG块AlexNet没有提供一个通用的模板来指导后续的研究人员设计新的网络,如今研究人员转向了块的角度思考问题。通过使用循环和子程序,可以很容易地在任何现代深度学习框架的代码中实现这些重复的架构。经典的卷积神经网络的基本组成部分如下:-带填充以保持分辨率的卷积层-非线性激活层-汇聚层V
AncilunKiang
·
2023-09-20 03:53
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
网络
Redis初步
学习整理
——第六节Cluster集群部署、主从复制、哨兵模式
前言在实际生产中,不可能Redis是以单机启动的,因为这样的服务是非常不稳定的,现在的项目首先提倡高可用,而高可用最佳的使用方式就是分布式部署(多部署几份以分摊意外的分享),而集群部署和主从复制是一个意思,Redis是通过主从复制来完成集群部署的,哨兵机制(Sentinel)又是在主从复制上的又一级别的改进了!一、主从复制主从复制也就是当主服务(Master)更新时,从节点(Slave)也随之更新
开发菜鸡
·
2023-09-20 02:47
数据库
redis
动手学深度学习
Task02:文本预处理;语言模型;循环神经网络基础
【一】文本预处理此次将讨论文本数据的常见预处理步骤,旨在将文本信息从人类语言转换为机器可读格式以便于后续处理。文本是一类序列数据,一篇文章可以看作是字符或单词的序列,预处理通常包括四个基本步骤:读入文本分词建立字典,将每个词映射到一个唯一的索引(index)将文本从词的序列转换为索引的序列,方便输入模型读入文本我们用一部英文小说,即H.G.Well的TimeMachine,作为示例,展示文本预处理
周周儿_zHoU
·
2023-09-19 18:01
笔记
深度学习
机器学习
pytorch
神经网络
动手学深度学习
PyTorch版--Task2--文本预处理;语言模型;循环神经网络基础
一.文本预处理文本是一类序列数据,一篇文章可以看作是字符或单词的序列,本节将介绍文本数据的常见预处理步骤,预处理通常包括四个步骤:1.读入文本2.分词3.建立字典,将每个词映射到一个唯一的索引(index)4.将文本从词的序列转换为索引的序列,方便输入模型1.读入文本importcollectionsimportredefread_time_machine():#open函数打开文本文件,创建文件
华尔街的幻觉
·
2023-09-19 18:29
动手学深度学习
-
Pytorch版
深度学习
【动手学习深度学习v2】循环神经网络-2.文本预处理
上一篇:【
动手学深度学习
V2】循环神经网络-1.序列模型文章目录2.文本预处理2.1读取数据集2.2词元化2.3词表2.4整合2.文本预处理序列数据的多种形式中,文本数据是最常见的一种,在英文文本中一篇文章或者一段句子可以看做一串单词序列
紫色银杏树
·
2023-09-19 18:27
动手学深度学习v2
笔记
循环神经网络
python
pytorch
深度学习
动手学深度学习
-文本预处理;语言模型;循环神经网络基础
一、文本预处理文本是一类序列数据,一篇文章可以看作是字符或单词的序列,本节将介绍文本数据的常见预处理步骤,预处理通常包括四个步骤:读入文本分词建立字典,将每个词映射到一个唯一的索引(index)将文本从词的序列转换为索引的序列,方便输入模型其中建立字典需要经过的步骤为:去重,统计词频筛掉部分词添加一些特殊的token将token映射到唯一索引将索引映射到token二、语言模型一段自然语言文本可以看
sjtucq
·
2023-09-19 18:26
pycharm笔记-
动手学深度学习
(李沐)线性代数课后习题
1.证明一个矩阵的转置的转置是,即(⊤)⊤=(A⊤)⊤=A。#创建一个5*4的矩阵importtorchA=torch.arange(20).reshape(5,4)print(A.T.T==A)2.给出两个矩阵和,证明“它们转置的和”等于“它们和的转置”,即⊤+⊤=(+)⊤A⊤+B⊤=(A+B)⊤A=torch.arange(12).reshape(3,4)B=torch.arange(12,2
幸运的的飞起
·
2023-09-19 17:12
深度学习
python
李沐《
动手学深度学习
》笔记3-线性代数
标量向量长度:二范数点积正交矩阵线性代数的本质:矩阵是一个扭曲的空间F范数:对称,反对称,正定,正交置换矩阵特征向量,特征值此处不被改变指方向,与大小无关。importtorchx=torch.tensor([3.0])x=torch.arange(4)len(x)#4x[3]#tensor(3)x.shape#torch.Size([4])A=torch.arange(20).reshape(5
暄染落墨
·
2023-09-19 17:41
深度学习
线性代数
《Java8实战》
《Java实战》
学习整理
文章目录一、Lambda1.1基础概念1.1.1[Lambda表达式](https://baike.baidu.com/item/Lambda表达式/4585794?
tmax52HZ
·
2023-09-19 05:55
java
Lambda
Stream
并发
41 物体检测和数据集【
动手学深度学习
v2】(笔记)
一、物体检测1、图片分类->目标检测(应用更多:无人车、无人售货)-图片里是有主体,识别感兴趣的物体2、边缘框的两种表示方法3、目标检测中常用的数据集是COCO4、总结:物体检测识别图片里的多个物体的类别和位置-位置通常用边缘框表示-有两种表示方法,一种是左上+右下坐标,一种是左上+宽和高二、边缘框实现三、数据集
hlllllllhhhhh
·
2023-09-19 05:10
深度学习
人工智能
计算机视觉
生物的神经系统与机器的人工神经网络
区别:总结前言因为本人是学生物的,并且深度学习的核心——人工神经网络与生物的神经系统息息相关,故想要在本章探讨一下生物的神经系统与机器的人工神经网络这两者之间的关系参考文献:从生物神经元到人工神经元《
动手学深度学习
星石传说
·
2023-09-18 23:18
python篇
人工智能
机器学习
李宏毅hw-6利用GAN生成动漫图像
一、查漏补缺、熟能生巧:1.什么是转置卷积convTranspose、以及这种转置卷积怎么使用:(1)具体的原理直接看李沐老师的那个演示,非常清晰:47转置卷积【
动手学深度学习
v2】_哔哩哔哩_bilibili
诚威_lol_中大努力中
·
2023-09-18 22:14
人工智能
生成对抗网络
深度学习
人工智能
《
动手学深度学习
Pytorch版》 7.1 深度卷积神经网络(LeNet)
7.1.1学习表征深度卷积神经网络的突破出现在2012年。突破可归因于以下两个关键因素:缺少的成分:数据数据集紧缺的情况在2010年前后兴起的大数据浪潮中得到改善。ImageNet挑战赛中,ImageNet数据集由斯坦福大学教授李飞飞小组的研究人员开发,利用谷歌图像搜索对分类图片进行预筛选,并利用亚马逊众包标注每张图片的类别。这种数据规模是前所未有的。缺少的成分:硬件2012年,AlexKrizh
AncilunKiang
·
2023-09-18 16:10
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
cnn
《
动手学深度学习
Pytorch版》 6.3 填充和步幅
6.3.1填充虽然我们用的卷积核较小,每次只会丢失几像素,但是如果应用多层连续的卷积层,累积的像素丢失就会很多。解决此问题的方法为填充。填充后的输出形状将为(nh−kh+ph+1)×(nw−kw+pw+1)(n_h-k_h+p_h+1)\times(n_w-k_w+p_w+1)(nh−kh+ph+1)×(nw−kw+pw+1)importtorchfromtorchimportnndefcomp_
AncilunKiang
·
2023-09-18 12:17
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
跟着李沐学AI(
动手学深度学习
PyTorch版)学习笔记——03安装(环境配置d2l、pytorch)(python3.7版本+Windows+各种问题解决措施)
第一步:根据操作系统下载并安装Miniconda1.下载Miniconda下载地址2.在安装过程中需要勾选“AddAnacondatothesystemPATHenvironmentvariable”选项3.检验win+R,输入cmd,在文本框输入conda--version第二步:下载包含本书全部代码的压缩包。1.点击该链接+点击jupyter记事本下载压缩包2.解压该压缩包3.在解压后的文件夹
依洛(^_^)简
·
2023-09-18 10:01
深度学习
pytorch
深度学习
人工智能
《
动手学深度学习
Pytorch版》 6.2 图像卷积
importtorchfromtorchimportnnfromd2limporttorchasd2l6.2.1互相关计算X=torch.tensor([[0.0,1.0,2.0],[3.0,4.0,5.0],[6.0,7.0,8.0]])K=torch.tensor([[0.0,1.0],[2.0,3.0]])此处应为:012345678*0123=19253743即0×0+1×1+3×2+4×
AncilunKiang
·
2023-09-18 09:12
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
《
动手学深度学习
Pytorch版》 6.6 卷积神经网络
importtorchfromtorchimportnnfromd2limporttorchasd2l6.6.1LeNetLetNet-5由两个部分组成:-卷积编码器:由两个卷积核组成。-全连接层稠密块:由三个全连接层组成。模型结构如下流程图(每个卷积块由一个卷积层、一个sigmoid激活函数和平均汇聚层组成):全连接层(10)↑\uparrow↑全连接层(84)↑\uparrow↑全连接层(12
AncilunKiang
·
2023-09-18 03:07
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
cnn
《
动手学深度学习
Pytorch版》 6.5 汇聚层
importtorchfromtorchimportnnfromd2limporttorchasd2l6.5.1最大汇聚和平均汇聚汇聚层和卷积层类似,区别在于汇聚层不带包含参数,汇聚操作是确定性的,通常计算汇聚窗口中所有元素的最大值或平均值,即最大汇聚和平均汇聚。defpool2d(X,pool_size,mode='max'):p_h,p_w=pool_size#和互相关运算差不多Y=torch
AncilunKiang
·
2023-09-18 03:37
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
《
动手学深度学习
Pytorch版》 6.4 多输入多输出通道
importtorchfromd2limporttorchasd2l6.4.1多输入通道简言之,多通道即为单通道之推广,各参数对上即可。defcorr2d_multi_in(X,K):#先遍历“X”和“K”的第0个维度(通道维度),再把它们加在一起returnsum(d2l.corr2d(x,k)forx,kinzip(X,K))X=torch.tensor([[[0.0,1.0,2.0],[3.
AncilunKiang
·
2023-09-18 03:36
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
《
动手学深度学习
Pytorch版》 6.1 从全连接层到卷积
6.1.1不变性平移不变性(translationinvariance):不管检测对象出现在图像中的哪个位置,神经网络的前面几层应该对相同的图像区域具有相似的反应,即为“平移不变性”。局部性(locality):神经网络的前面几层应该只探索输入图像中的局部区域,而不过度在意图像中相隔较远区域的关系,这就是“局部性”原则。最终,可以聚合这些局部特征,以在整个图像级别进行预测。6.1.2多层感知机的限
AncilunKiang
·
2023-09-18 03:06
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
线性回归网络
李沐大神的《
动手学深度学习
》,是我入门机器学习的首课,因此在这里记录一下学习的过程。线性回归的从零开始实现 线性回归是理解机器学习的基础,它经常用来表示输入和输出之间的关系。
Alzh
·
2023-09-17 21:25
#
动手学深度学习
线性回归
机器学习
《
动手学深度学习
Pytorch版》 5.6 GPU
5.6.1计算设备importtorchfromtorchimportnntorch.device('cpu'),torch.device('cuda:0')#cuda等价于cuda:0(只有一块显卡没法试别的块号)(device(type='cpu'),device(type='cuda',index=0))torch.cuda.device_count()#查询可用GPU数量1deftry_g
AncilunKiang
·
2023-09-17 09:14
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
《
动手学深度学习
Pytorch版》 5.4 自定义层
5.4.1不带参数的层importtorchimporttorch.nn.functionalasFfromtorchimportnnclassCenteredLayer(nn.Module):def__init__(self):super().__init__()defforward(self,X):returnX-X.mean()#仅作减去均值的操作layer=CenteredLayer()l
AncilunKiang
·
2023-09-17 09:13
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
python
《
动手学深度学习
Pytorch版》 5.3 延后初始化
importtorchfromtorchimportnnfromd2limporttorchasd2l下面实例化的多层感知机的输入维度是未知的,因此框架尚未初始化任何参数,显示为“UninitializedParameter”。net=nn.Sequential(nn.LazyLinear(256),nn.ReLU(),nn.LazyLinear(10))net[0].weightc:\Softw
AncilunKiang
·
2023-09-17 09:43
《动手学深度学习
Pytorch版》学习笔记
深度学习
pytorch
人工智能
上一页
8
9
10
11
12
13
14
15
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他