window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）

绝地灬酷狼 2022-02-27 13:56 576阅读 0赞

# ![20191009191333910.png][][日萌社][Link 1] #

[人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）][AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]

--------------------

### **安装** ###

[TensorFlow2、CUDA10、cuDNN7.6.5][TensorFlow2_CUDA10_cuDNN7.6.5]

[Anaconda3 python 3.7、TensorFlow2、CUDA10、cuDNN7.6.5][Anaconda3 python 3.7_TensorFlow2_CUDA10_cuDNN7.6.5]

[TensorFlow 2.0 环境搭建][TensorFlow 2.0]

[window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）][window_ Keras_TensorFlow_CUDA_cuDNN_Keras_TensorFlow]

[Ubuntu 安装 CUDA、cuDNN、anaconda、pycharm、tensorflow、pytorch、JDK1.8][Ubuntu _ CUDA_cuDNN_anaconda_pycharm_tensorflow_pytorch_JDK1.8]

--------------------

### 下载NVIDIA驱动：https://www.geforce.cn/drivers      ###

### TensorFlow2.0需要cuda10，所以应该装410.48以上版本驱动  ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 1][]

--------------------

### CUDA、cuDNN百度盘下载 ###

链接：https://pan.baidu.com/s/1oqYxOYob9MBuqHYsxkS-IA   
提取码：y8ub

链接：https://pan.baidu.com/s/1YqfX0ObJSSUIaHYW3OW3cQ   
提取码：21lu   
链接：https://pan.baidu.com/s/1yF7e6ntWpXpdPWFLN4gi2g   
提取码：f1zi

CUDA、tensorflow版本清单：https://tensorflow.google.cn/install/source#linux
    CUDA下载：https://developer.nvidia.com/cuda-toolkit-archive

### CUDA、cuDNN、tensorflow版本要求清单  ###

### **注意：使用cuDNN v7.4.2.24可能会报错（亲测），但使用cuDNN v7.6.5.32的话，并不会出现“cuDNN v7.4.2.24可能会出现的”报错，虽然官网推荐组合是cuDNN v7.4.2.24，但建议使用cuDNN v7.6.5.32**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 2][] ###

--------------------

### **======= 人工智能 Keras、TensorFlow 的环境安装 ====== ** ###

**1.[window下 安装 anaconda（python 3.6 / python 3.7）][window_ anaconda_python 3.6 _ python 3.7]**

**2.[安装 ubuntu 16/18][ubuntu 16_18]**

**3.[window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）][window_ Keras_TensorFlow_CUDA_cuDNN_Keras_TensorFlow]**

### **===== 第一步：先安装CUDA、cuDNN，再安装Keras、TensorFlow ====== ** ###

### **/s/1A2i7uPvTUsDf\_5F\_Jo69bA    提取码：u8wv ** ###

![2019032720360965.png][]

1.tensorflow-gpu 和 CUDA 和 cuDNN 的版本对应
        CUDA、tensorflow版本清单：https://tensorflow.google.cn/install/source#linux
    2.CUDA 下载：
        CUDA 各版本：https://developer.nvidia.com/cuda-toolkit-archive
    3.cuDNN 下载：
        cuDNN 各版本：https://developer.nvidia.com/rdp/cudnn-archive

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 3][]  
**4.可以创建多个anaconda的虚拟环境（非必要选项）**

1.查看所有虚拟环境：conda info --env
        2.创建虚拟环境：conda create --name 环境名字 python=版本号
            1.conda create --name tensorflow1.4 python=3.7 
                虚拟环境：环境名字叫做tensorflow1.4，python版本为3.7
            2.conda create --name tensorflow1.9 python=3.7
                虚拟环境：环境名字叫做tensorflow1.9，python版本为3.7

![20190327203756171.png][]

3.切换到某个anaconda的虚拟环境下：conda activate 环境名字
            conda activate tensorflow1.4
            conda activate tensorflow1.9

![20190327203845828.png][]

4.删除虚拟环境：conda remove -n 环境名字 --all
            conda remove -n tensorflow1.4 --all
            conda remove -n tensorflow1.9 --all
    
    5.安装 tensorflow-gpu 1.9.0、CUDA 9.0、cuDNN 7.1.4
        1.安装 CUDA 9.0
            1.先安装主体 cuda_9.0.176_win10-exe.exe，再安装补丁
              安装完成后，会自动删除解压目录的文件夹
            2.自定义安装，默认选择全部组件
            3.可默认安装在系统盘路径
            4.测试
                1.nvcc -V 查看到安装的版本信息

![2019032720391716.png][]

2.cd C:\Program Files\NVIDIA Corporation\NVSMI    
                  nvidia-smi.exe 查看到所监控的程序运行信息

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 4][]

2.安装 cuDNN 7.1.4
            解压 cudnn-8.0-windows10-x64-v7.1-ga.zip，解压出一个叫做 cuda的文件夹 
            把该 cuda文件夹 中的所有文件 拷贝到 CUDA的安装目录下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）

# **==== 第二步：再 window下 安装 Keras、TensorFlow ===== ** #

3.安装 tensorflow-gpu 1.9.0
            1.准备工作
                python -m pip install --upgrade pip
                pip install msgpack
                conda install m2w64-toolchain
    
            2.从清华镜像源下载安装tensorflow-gpu：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.9
             3.测试：tensorflow 的Hello World 例子
                    import tensorflow as tf
                     hello = tf.constant("hello tensorflow")
                      sess = tf.Session()
                      print(sess.run(hello))
        4.安装 Theano、keras
            1.从清华镜像源下载安装keras：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras
            2.从清华镜像源下载安装Theano：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Theano
    
        5.anaconda 一般默认安装好 matplotlib、scikit-learn、numpy
            pip install matplotlib
            pip install scikit-learn
            pip install numpy

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 5][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 6][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 7][]

### **========== window下 安装 Keras、TensorFlow 详细===========** ###

注意1：下载TensorFlow等软件时，请使用国内镜像源下载，提高下载速度和成功率
        国内源：
            新版ubuntu要求使用https源，要注意。
            清华：https://pypi.tuna.tsinghua.edu.cn/simple
            阿里云：http://mirrors.aliyun.com/pypi/simple/
            中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
            华中理工大学：http://pypi.hustunique.com/
            山东理工大学：http://pypi.sdutlinux.org/ 
            豆瓣：http://pypi.douban.com/simple/
    
        临时使用：可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
        例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider，这样就会从清华这边的镜像去安装pyspider库。
    
        永久修改：
            Linux下，修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件。文件夹要加“.”，表示是隐藏文件夹)
            windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini 
    
        内容如下：
            [global]
            index-url = https://pypi.tuna.tsinghua.edu.cn/simple
            [install]
            trusted-host=mirrors.aliyun.com
     
    注意2：pip/conda 安装和卸载 软件
               如果使用pip安装软件的话，必须使用pip卸载
        如果使用conda安装软件的话，必须使用conda卸载

1.pip 安装 numpy、scipy、scikit-leam、h5py、pillow
        自动安装：安装 Anaconda Python，它会自动安装 numpy、scipy、scikit-leam、h5py、pillow 以及许多其他用于科学计算的包。
        手动安装：pip install numpy scipy scikit-learn h5py pillow
        比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy scipy scikit-learn h5py pillow
    
    
    2.pip 安装 Theano
        pip install Theano
        比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Theano
    
    3.pip 安装 TensorFlow
        注意：安装 TensorFlow 之前，应先安装 CUDA、cuDNN，因根据 TensorFlow 的版本 来安装对应的版本的 CUDA、cuDNN
        1.选择以下某个 TensorFlow 软件包来进行安装
            1.tensorflow 仅支持 CPU 的当前版本（建议新手使用）
              pip install tensorflow
    
            2.tensorflow-gpu 支持 GPU 的当前版本（Ubuntu 和 Windows）
              pip install tensorflow-gpu
     
            3.tf-nightly 仅支持 CPU 的每夜版（不稳定）
              pip install tf-nightly
    
            4.tf-nightly-gpu 支持 GPU 的每夜版（不稳定，Ubuntu 和 Windows）
              pip install tf-nightly-gpu
    
          比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
     
        2.软件包位置（请翻墙下载）
            有几个安装机制需要您提供 TensorFlow Python 软件包的网址。您所指定的值取决于您的 Python 版本。
            版本                网址
            Linux
                Python 2.7（仅支持 CPU）    https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp27-none-linux_x86_64.whl
                Python 2.7（支持 GPU）    https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp27-none-linux_x86_64.whl
                Python 3.4（仅支持 CPU）    https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp34-cp34m-linux_x86_64.whl
                Python 3.4（支持 GPU）    https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp34-cp34m-linux_x86_64.whl
                Python 3.5（仅支持 CPU）    https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
                Python 3.5（支持 GPU）    https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp35-cp35m-linux_x86_64.whl
                Python 3.6（仅支持 CPU）    https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl
                Python 3.6（支持 GPU）    https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-linux_x86_64.whl
    
            macOS（仅支持 CPU）
                Python 2.7    https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.12.0-py2-none-any.whl
                Python 3.4、3.5、3.6    https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.12.0-py3-none-any.whl
    
            Windows
                Python 3.5（仅支持 CPU）    https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.12.0-cp35-cp35m-win_amd64.whl
                Python 3.5（支持 GPU）    https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp35-cp35m-win_amd64.whl
                Python 3.6（仅支持 CPU）    https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.12.0-cp36-cp36m-win_amd64.whl
                Python 3.6（支持 GPU）    https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
    
            安装 GPU版本的tensorflow，比如 pip 为 Python 3.6版本：（请翻墙下载）
                pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
                pip install msgpack
             pip为 python 3.7版本时，装 tensorflow-gpu 是 1.13.1 版本
            pip为 python 3.6版本时，装 tensorflow-gpu 1.12.0 版本
     
    4.安装 Keras
        pip install keras
        比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras
     
    5.测试 Theano、TensorFlow、Keras
        现在来测试环境 先看看如何在 Theano 中定义 sigmoid 函数，只需写下数据公式，并按矩阵元素作函数计算即可。
        1.测试 Theano
            打开 Spyder(Python 3.7)编辑器，在控制台输入以下代码
            import theano 
            import theano.tensor as T
            x = T.dmatrix('x') 
            s = 1 / (1 + T.exp (-x)) 
            logistic = theano.function([x],s) 
            logistic([[0,1],[-1,-2]]) 
            输出结果：array([[0.5, 0.73105858], [0.26894142, 0.11920292]])

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 8][]

import theano 时出现的报错
                1.报错：WARNING (theano.configdefaults): g++ not available, if using conda: `conda install m2w64-toolchain`
                  解决：conda install m2w64-toolchain
    
                2.报错：ImportError: Something is wrong with the numpy installation. While importing we detected an older version of numpy in 
                        ['G:\\\\anaconda\\\\lib\\\\site-packages\\\\numpy']. One method of fixing this is to repeatedly uninstall numpy until none is found,
                        then reinstall this version.
                  解决：多次执行 pip uninstall numpy 直到卸载干净

![20190327204256964.png][]  
                然后再次执行 pip install numpy

2.tensorflow 的 hellow world 例子
            1.import tensorflow as tf
              hello = tf.constant("hello tensorflow")
              sess = tf.Session()
              print(sess.run(hello))

![20190327204302406.png][]

报错：ImportError: DLL load failed: 找不到指定的模块。
                解决1：安装 Microsoft Visual C++ 2017 Redistributable
                解决2：pip list 查看到 Pillow 5.1.0 升级到 Pillow  5.4.1
                    conda uninstall pillow
                    conda update pip
                    pip install pillow
                解决3：卸载已安装的tensorflow，重装 tensorflow 为其他版本
                       已安装的tensorflow：
                        tensorflow-gpu 1.12.0
                       如果使用pip安装tensorflow的话，必须使用pip卸载。
                       如果使用conda安装tensorflow的话，必须使用conda卸载。
                       卸载 已安装的tensorflow：                
                        pip uninstall tensorflow-gpu
                       重装 tensorflow 为 1.4版本，同时应安装对应匹配版本的 CUDA 8.0、cuDNN 6.0 
                        pip install tensorflow-gpu==1.4
                        比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.4
                       重装 tensorflow 为 1.9版本，同时应安装对应匹配版本的 CUDA 9.0、cuDNN 7.1.4
                        pip install tensorflow-gpu==1.9
                        比如从清华镜像源下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.9

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 9][]

报错：ImportError: Could not find 'cudart64_80.dll'. 
                      TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. 
                      Download and install CUDA 8.0 from this URL: https://developer.nvidia.com/cuda-toolkit
                解决：根据TensorFlow的版本安装匹配版本的CUDA、cuDNN

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 10][]

2.测试 TensorFlow，简单地导入 MNIST 数据集
                from tensorflow.examples.tutorials.mnist import input_data 
                  mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)

## 测试GPU是否能正常运行tensorflow  ##

>>> import tensorflow as tf
    >>> tf.test.is_gpu_available()

import tensorflow as tf
    import timeit
    
    with tf.device('/cpu:0'):
        cpu_a = tf.random.normal([10000, 1000])
        cpu_b = tf.random.normal([1000, 2000])
        print(cpu_a.device, cpu_b.device)
    
    with tf.device('/gpu:0'):
        gpu_a = tf.random.normal([10000, 1000])
        gpu_b = tf.random.normal([1000, 2000])
        print(gpu_a.device, gpu_b.device)
    
    
    def cpu_run():
        with tf.device('/cpu:0'):
            c = tf.matmul(cpu_a, cpu_b)
        return c
    
    
    def gpu_run():
        with tf.device('/gpu:0'):
            c = tf.matmul(gpu_a, gpu_b)
        return c
    
    
    # warm up
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('warmup:', cpu_time, gpu_time)
    
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('run time:', cpu_time, gpu_time)

[20191009191333910.png]: /images/20220227/d55c629245864ec29909e58c0fd21704.png
[Link 1]: http://www.rimengshe.com/
[AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]: https://blog.csdn.net/zimiao552147572/article/details/88867161
[TensorFlow2_CUDA10_cuDNN7.6.5]: https://blog.csdn.net/zimiao552147572/article/details/104084170
[Anaconda3 python 3.7_TensorFlow2_CUDA10_cuDNN7.6.5]: https://blog.csdn.net/zimiao552147572/article/details/103658619
[TensorFlow 2.0]: https://blog.csdn.net/zimiao552147572/article/details/104222637
[window_ Keras_TensorFlow_CUDA_cuDNN_Keras_TensorFlow]: https://blog.csdn.net/zimiao552147572/article/details/88854746
[Ubuntu _ CUDA_cuDNN_anaconda_pycharm_tensorflow_pytorch_JDK1.8]: https://blog.csdn.net/zimiao552147572/article/details/105821003
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200317171445427.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 1]: /images/20220227/77b8dd6751bf46498c8738c97dbe29dd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 2]: /images/20220227/00407c24950e4eabba34989dcc26e374.png
[window_ anaconda_python 3.6 _ python 3.7]: https://blog.csdn.net/zimiao552147572/article/details/88854239
[ubuntu 16_18]: https://blog.csdn.net/zimiao552147572/article/details/88854370
[2019032720360965.png]: /images/20220227/d4922c54c07a4e3ead5cbd94f220b927.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 3]: /images/20220227/78b74e5bd0e7463abfc77e0c9999caff.png
[20190327203756171.png]: /images/20220227/3e70f1a8719b4079a3ff33647450c1ee.png
[20190327203845828.png]: /images/20220227/8eb6de47a6c1447d95adfcf79bc526ca.png
[2019032720391716.png]: /images/20220227/a8f9efa0431046e9b2bddec2c8dc5dfd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 4]: /images/20220227/957fbf22c4024fa0b55976810297242a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20190327203939203.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 6]: /images/20220227/4ebb0efd971f4eacbafc124923bf018d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 7]: /images/20220227/fc0b8f0f3dd24b59b39ab3e6d77febaf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 8]: /images/20220227/fa49d9a66de544d9a54b3a4b7049b60c.png
[20190327204256964.png]: /images/20220227/acfb7118fc264ed1b7506d6a94fb44dc.png
[20190327204302406.png]: /images/20220227/893a48823700410ba9782c7fba7e8487.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 9]: /images/20220227/2efc3e9461dd467980c8565f76a47dc2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 10]: /images/20220227/0e4050a56e8f450c8f131dd2244bc65a.png