• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    梯度下降算法研究綜述

    2020-03-23 05:56李興怡岳洋
    軟件工程 2020年2期
    關(guān)鍵詞:優(yōu)化算法機(jī)器學(xué)習(xí)

    李興怡 岳洋

    摘 ?要:在機(jī)器學(xué)習(xí)領(lǐng)域中,梯度下降算法是一種廣泛用于求解線性和非線性模型最優(yōu)解的迭代算法,它的中心思想在于通過(guò)迭代次數(shù)的遞增,調(diào)整使得損失函數(shù)最小化的權(quán)重。本文首先概述了基于多元線性模型的梯度下降算法;其次介紹了梯度下降算法三種框架,使用Python實(shí)現(xiàn)了自主停止訓(xùn)練的BGD算法;針對(duì)梯度下降算法存在的不足,綜述了近三年算法優(yōu)化的研究成果。最后,總結(jié)了本文的主要研究工作,對(duì)梯度下降優(yōu)化算法的研究趨勢(shì)進(jìn)行了展望。

    關(guān)鍵詞:機(jī)器學(xué)習(xí);多元線性模型;梯度下降算法;算法實(shí)現(xiàn);優(yōu)化算法

    中圖分類(lèi)號(hào):TP181 ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    1 ? 引言(Introduction)

    在求解機(jī)器學(xué)習(xí)中無(wú)約束優(yōu)化問(wèn)題的方法中,優(yōu)化方法是必不可少的一環(huán)。傳統(tǒng)的方法是使用最小二乘法計(jì)算解析解,但有時(shí)面臨著模型更復(fù)雜且樣本量龐大的問(wèn)題,當(dāng)樣本個(gè)數(shù)大于特征個(gè)數(shù)時(shí),問(wèn)題便轉(zhuǎn)換為求解超定方程組的問(wèn)題,相比使用最小二乘法求解大維數(shù)逆矩陣的方法,采用梯度迭代的梯度下降算法[1]更具備優(yōu)勢(shì)。本文闡述了梯度下降算法在步進(jìn)迭代過(guò)程中,梯度下降方向與學(xué)習(xí)率對(duì)算法的收斂起著至關(guān)重要的作用,前者確定了尋找最優(yōu)解的方向,后者它決定了算法達(dá)到最優(yōu)解所采取的每一步的大小。

    考慮到存在非線性數(shù)據(jù)的可能,因此采用多項(xiàng)式模型更具備泛化能力。在實(shí)際應(yīng)用中,可以將多項(xiàng)式中每個(gè)特征的冪次方定義為新特征,轉(zhuǎn)換為多元線性模型。為了簡(jiǎn)化模型,本文將基于多元線性模型對(duì)梯度下降算法進(jìn)行展開(kāi)。

    2 ?梯度下降算法原理與實(shí)現(xiàn)(Basic theory and implementation of gradient descent algorithm)

    2.1 ? 梯度下降算法概念

    假設(shè)多元線性回歸模型:

    其中,是因變量(預(yù)測(cè)值),是特征的數(shù)量,是第個(gè)自變量(特征值),是第個(gè)模型參數(shù)(包括偏置與特征參數(shù)),是組合的轉(zhuǎn)置向量,是由()組成的特征列向量。

    針對(duì)實(shí)例,訓(xùn)練模型(1)的過(guò)程就是求解直至模型(1)對(duì)訓(xùn)練數(shù)據(jù)的擬合程度最佳的過(guò)程,每一次訓(xùn)練都會(huì)得到擬合值和真實(shí)值的差值,即損失值,這個(gè)值用于評(píng)估模型擬合程度,值越小表示擬合程度越好。

    在多元線性回歸中,將均方誤差(Mean Square Error,MSE)作為損失函數(shù):

    其中,為學(xué)習(xí)率,也稱為尋優(yōu)步長(zhǎng)。通過(guò)公式(4)求得下一次迭代的模型參數(shù),將結(jié)果帶入公式(1)求得下一次的預(yù)測(cè)值,這就是梯度下降算法的迭代過(guò)程。

    2.2 ? 梯度下降算法框架

    根據(jù)每次更新模型參數(shù)使用的樣本數(shù)量大小,梯度下降算法有三種實(shí)現(xiàn)框架:批量梯度下降算法、隨機(jī)梯度下降算法和小批量梯度下降算法。

    批量梯度下降算法(Batch Gradient Descent, BGD)基于整批訓(xùn)練數(shù)據(jù)計(jì)算每一步損失函數(shù),相當(dāng)于對(duì)公式(3)做一次性計(jì)算,記作:

    相比于BGD的損失函數(shù)總是緩慢降低至最小值,SGD的梯度方向是反復(fù)振蕩的,從全局上看,隨著迭代次數(shù)的增加,它還是會(huì)接近最小值。

    小批量梯度下降(Mini-Batch Gradient Descent, MBGD)既不是基于完整的訓(xùn)練集也不是基于單個(gè)實(shí)例,它則是折中于BGD和SGD,對(duì)于每一次迭代基于小部分隨機(jī)的實(shí)例來(lái)計(jì)算梯度:

    公式(7)表示每一次迭代隨機(jī)從第個(gè)樣本開(kāi)始,選取個(gè)小批量樣本計(jì)算梯度。

    BGD盡管會(huì)耗費(fèi)大量的時(shí)間來(lái)計(jì)算每一步,但是在模型參數(shù)空間里,它最終會(huì)停在最小值上。與之相反的是SGD,訓(xùn)練速度極快,并且能迅速到達(dá)最小值附近,但卻不是最優(yōu)解。如果不設(shè)置迭代次數(shù),SGD會(huì)不停游走于最小值附近。正因?yàn)镾GD隨機(jī)的性質(zhì),因此它可用于海量的訓(xùn)練數(shù)據(jù)且有利于跳出局部最優(yōu),搜索全局最優(yōu)。MBGD則綜合了BGD和SGD的優(yōu)點(diǎn),當(dāng)訓(xùn)練數(shù)據(jù)較大時(shí),它不像SGD那么不穩(wěn)定,會(huì)比SGD更接近最小值。

    2.3 ? 梯度下降算法實(shí)現(xiàn)

    要實(shí)現(xiàn)梯度下降算法,迭代次數(shù)往往很難把握,對(duì)此解決的方法是:暫且不設(shè)置迭代次數(shù),當(dāng)損失函數(shù)的改變量(即梯度的模)小于容差時(shí)中斷算法,這時(shí)梯度下降幾乎到達(dá)了最小值。相應(yīng)算法流程如下:

    (1)初始化模型參數(shù),步長(zhǎng),容差;

    (2)計(jì)算當(dāng)前位置的損失函數(shù)的梯度,

    (3)若,算法終止,當(dāng)前為最終結(jié)果。否則轉(zhuǎn)4);

    (4)根據(jù)更新模型參數(shù),轉(zhuǎn)(2)。

    根據(jù)算法流程,使用Python編寫(xiě)B(tài)GD算法如圖1所示。

    為了證明所設(shè)計(jì)的算法能夠在正確的維度關(guān)系基礎(chǔ)上任意初始化模型特征個(gè)數(shù)、參數(shù)個(gè)數(shù)和訓(xùn)練數(shù)據(jù)的維度,算法開(kāi)始前導(dǎo)入了numpy,用于初始化模型參數(shù)theta和訓(xùn)練集(x,y_real),步長(zhǎng)alpha和容差e可根據(jù)情況自行設(shè)置。算法最后五次迭代結(jié)果如圖2所示。

    3 ?梯度下降算法研究進(jìn)展(Research advances of gradient descent algorithm)

    確定學(xué)習(xí)率和選擇尋優(yōu)方向是梯度下降算法研究的核心。經(jīng)過(guò)近三年的相關(guān)研究,國(guó)內(nèi)外已經(jīng)取得大量研究成果,研究主要涵蓋以下兩個(gè)方面:(1)梯度下降算法的學(xué)習(xí)率相關(guān)研究提高了算法的收斂速度,解決了非凸目標(biāo)函數(shù)陷入局部次優(yōu)的問(wèn)題;(2)基于動(dòng)量和方差縮減的SGD相關(guān)研究解決了SGD的不穩(wěn)定性。

    3.1 ? 模型的目標(biāo)函數(shù)問(wèn)題

    由于多元線性模型的損失函數(shù)是一個(gè)凸函數(shù),不存在波峰與波谷,意味著只存在一個(gè)全局最小值,不存在局部最小值,雖然這可以解決算法容易陷入局部最小值的問(wèn)題,但是機(jī)器學(xué)習(xí)中的模型種類(lèi)繁多,目標(biāo)函數(shù)復(fù)雜,使用梯度下降法的效果并不是很好。

    在目標(biāo)函數(shù)非凸的情況下,Huo,Z.等[2]首次基于非凸優(yōu)化方差約簡(jiǎn)的異步小批量梯度下降算法的收斂速度進(jìn)行了理論分析。異步隨機(jī)梯度下降法(AsySGD)已廣泛應(yīng)用于深度學(xué)習(xí)優(yōu)化問(wèn)題,并證明了其在非凸優(yōu)化問(wèn)題中的收斂速度為。結(jié)果表明,當(dāng)問(wèn)題為強(qiáng)凸時(shí),采用變約簡(jiǎn)技術(shù)的異步SGD方法具有線性收斂速度。但是,對(duì)于非凸問(wèn)題,近年來(lái)對(duì)該方法的收斂速度還沒(méi)有進(jìn)行分析。Huo,Z.等考慮了兩種具有變異減少的小批量梯度下降法的異步并行實(shí)現(xiàn):一種是分布式內(nèi)存架構(gòu),另一種是共享內(nèi)存架構(gòu),并且證明了對(duì)于非凸優(yōu)化問(wèn)題,兩種方法均能以的速度收斂。

    在模型非線性的情況下,Simon S.Du等[3]證明了訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型能夠得到全局最小值。研究表明了對(duì)于具有殘差關(guān)聯(lián)的超參數(shù)深度神經(jīng)網(wǎng)絡(luò),梯度下降在多項(xiàng)式時(shí)間內(nèi)達(dá)到零訓(xùn)練損失,這依賴于由神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)所誘導(dǎo)出的Gram矩陣的特殊結(jié)構(gòu)。這種結(jié)構(gòu)證明Gram矩陣在整個(gè)訓(xùn)練過(guò)程中是穩(wěn)定的,這種穩(wěn)定性意味著梯度下降算法的全局最優(yōu)性。研究進(jìn)一步將分析擴(kuò)展到殘差深度卷積神經(jīng)網(wǎng)絡(luò),并且得到了相似的收斂結(jié)果。

    此外,J.Flieg等[4]提出了一些一階光滑多目標(biāo)優(yōu)化方法,并證明了這些方法在某種形式上具有一階臨界全局收斂性。分析了光滑無(wú)約束多目標(biāo)優(yōu)化問(wèn)題的梯度下降收斂速度,并用于非凸、凸、強(qiáng)凸向量函數(shù)。這些全局速率與單目標(biāo)優(yōu)化中的梯度下降率相同,并且適用于最壞復(fù)雜度界限的情況。

    3.2 ? 學(xué)習(xí)率問(wèn)題

    從前面算法的介紹可以得知:如果學(xué)習(xí)率太低,算法需要經(jīng)過(guò)大量的迭代后才能收斂,這將會(huì)耗費(fèi)大量的時(shí)間;反之,算法可能會(huì)陷入局部而無(wú)法搜索到全局最小值,甚至搜索結(jié)果會(huì)大于初始值,必然導(dǎo)致算法發(fā)散。另外,模型參數(shù)的每個(gè)更新都設(shè)置同一個(gè)學(xué)習(xí)率也不利于搜索全局最優(yōu)。當(dāng)前的解決思路之一通過(guò)制定學(xué)習(xí)率規(guī)劃(Learning Rate Schedules):算法開(kāi)始的學(xué)習(xí)率較大,這有助于跳出局部最優(yōu),后來(lái)在每次迭代中逐漸減小,慢慢搜索全局最小值。但是更多的研究聚焦在學(xué)習(xí)率自適應(yīng)性的問(wèn)題上。

    王功鵬等[5]在解決CNN中學(xué)習(xí)率設(shè)置不恰當(dāng)對(duì)SGD算法的影響,提出了一種學(xué)習(xí)率自適應(yīng)SGD的優(yōu)化算法,該算法隨著迭代使得學(xué)習(xí)率呈現(xiàn)周期性的改變。研究結(jié)果表明,通過(guò)將這種自適應(yīng)學(xué)習(xí)率優(yōu)化算法與所選擇的激活函數(shù)相結(jié)合,可以加快神經(jīng)網(wǎng)絡(luò)模型收斂速度,提升CNN的學(xué)習(xí)準(zhǔn)確率。

    嚴(yán)曉明[6]在使用梯度下降解決logistic回歸模型分類(lèi)問(wèn)題時(shí),提出一種自適應(yīng)學(xué)習(xí)率的調(diào)整方法:在不引入新模型參數(shù)的同時(shí),根據(jù)樣本數(shù)據(jù)集分類(lèi)準(zhǔn)確率的變化對(duì)學(xué)習(xí)率進(jìn)行更新。在梯度下降稍快時(shí),增大學(xué)習(xí)率以加快收斂速率,反之則減小學(xué)習(xí)率以減少算法最優(yōu)解附近的振蕩。

    相比于使用固定學(xué)習(xí)率的神經(jīng)網(wǎng)絡(luò),朱振國(guó)等[7]提出基于權(quán)重變化的自適應(yīng)學(xué)習(xí)率更新方法,改進(jìn)了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)受人為因素限制的缺陷,證明了改進(jìn)的神經(jīng)網(wǎng)絡(luò)具有更快的收斂速度和更高的誤差精度。

    3.3 ? 基于動(dòng)量和方差縮減的SGD優(yōu)化

    由于SGD的振蕩性,因此目標(biāo)參數(shù)會(huì)在目標(biāo)函數(shù)的最小值附近游走,這樣的情況下,動(dòng)量(Momentum)在隨機(jī)梯度下降距離中加入上一次迭代動(dòng)量更新項(xiàng),將它作為更新模型參數(shù)的下降距離,即:

    其中,為動(dòng)量超參數(shù)。這意味著在更新模型參數(shù)累積了前面所有的動(dòng)量,對(duì)于當(dāng)前梯度方向與上一次梯度方向一致的參數(shù),下降速度越來(lái)越快,反之則速度減慢,因此動(dòng)量可以加快收斂速度并減少振蕩。對(duì)于目標(biāo)函數(shù)非光滑優(yōu)化問(wèn)題,程禹嘉等[8]通過(guò)靈活設(shè)置步長(zhǎng),證明了由Polyak提出的Heavy-ball型動(dòng)量方法具有最優(yōu)的單個(gè)收斂速率,從而證明了Heavy-ball型動(dòng)量方法可以將投影子梯度方法的個(gè)體收斂速率提高至最優(yōu)。

    由于每一次迭代的梯度下降非???,在損失函數(shù)由凸轉(zhuǎn)為凹時(shí)會(huì)迅速選擇凹的路段,因此涅斯捷羅夫梯度加速(Nesterov Accelerated Gradient,NAG)在此基礎(chǔ)上進(jìn)行了優(yōu)化,它在計(jì)算模型參數(shù)梯度時(shí),在損失函數(shù)中減去了動(dòng)量項(xiàng),估計(jì)了下一次參數(shù)的所在位置:

    針對(duì)BP神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題,景立森等[9]在NAG動(dòng)量更新的基礎(chǔ)上,建立了一種基于黃金比例動(dòng)量確定隱層神經(jīng)元的加速梯度策略,并應(yīng)用于MNIST手寫(xiě)字體識(shí)別,取得了較好的收斂速度和預(yù)測(cè)評(píng)估結(jié)果。

    改進(jìn)的隨機(jī)方差消減梯度法(Stochastic Variance Reduction Gradient,SVRG)可以解決SGD因受到噪聲干擾只能達(dá)到次線性收斂率問(wèn)題,王建飛等[10]設(shè)計(jì)了一種基于SVRG算法思想的分布式實(shí)現(xiàn)算法topkSVRG:在每次迭代時(shí),收斂速率隨著參數(shù)k的遞增而增加,k的減小可以保證算法收斂。研究理論分析了算法的線性收斂性,并通過(guò)實(shí)驗(yàn)對(duì)相關(guān)算法的進(jìn)行比較,證明topkSVRG算法有良好的高精度收斂性。張晉晶[11]提出了移動(dòng)隨機(jī)方差消減算法,將梯度移動(dòng)的平均值作為平均梯度,該算法在學(xué)習(xí)率很大的情況下,依然能夠保證分類(lèi)的準(zhǔn)確率。

    4 ? 結(jié)論(Conclusion)

    本文采用多元線性模型對(duì)梯度下降算法的原理進(jìn)行了簡(jiǎn)要的概括,對(duì)三種不同的框架設(shè)計(jì)了算法實(shí)現(xiàn)流程,使用Python實(shí)現(xiàn)了可以自主停止訓(xùn)練的BGD算法。本文的重點(diǎn)在于分別從梯度下降算法的非凸目標(biāo)函數(shù)問(wèn)題、學(xué)習(xí)率問(wèn)題、SGD的游走問(wèn)題三個(gè)方面對(duì)梯度下降算法近三年的研究進(jìn)行了綜述。最后總結(jié)了SGD優(yōu)化算法的特點(diǎn),可以根據(jù)模型特點(diǎn)參考對(duì)應(yīng)的算法。由于SGD的訓(xùn)練速度非常快,因此SGD改進(jìn)算法是當(dāng)前十分熱門(mén)的梯度下降算法優(yōu)化方向,具有廣闊的研究前景。

    參考文獻(xiàn)(References)

    [1] Sebastian Ruder.An overview of gradient descent optimization algorithms[EB/OL].http://128.84.21.199/pdf/1609.04747.pdf,2017-6-15.

    [2] Huo,Z.,Huang,H.Asynchronous mini-batch gradient descent with variance reduction for non-convex optimization[J].USA:THIRTY-FIRST AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE,2017:2043-2049.

    [3] Simon S.Du,Jason D.Lee,Haochuan Li,et al.Gradient Descent Finds Global Minima of Deep Neural Networks[EB/OL].http://arxiv.org/pdf/1811.03804.pdf,2019-3-28.

    [4] J.Fliege,A.I.F.Vaz,L.N.Vicente(2019)Complexity of gradient descent for multiobjective optimization[J].Optimization Method and Software,2019,34(5):949-959.

    [5] 王功鵬,段萌,牛常勇.基于卷積神經(jīng)網(wǎng)絡(luò)的隨機(jī)梯度下降算法[J].計(jì)算機(jī)工程于設(shè)計(jì),2018,39(2):441-445.

    [6] 嚴(yán)曉明.一種邏輯回歸學(xué)習(xí)率自適應(yīng)調(diào)整方法[J].福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,35(3):24-28.

    [7] 朱振國(guó),田松祿.基于權(quán)值變化的BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)率改進(jìn)研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2018,27(7):205-210.

    [8] 程禹嘉,陶蔚,劉宇翔,等.Heavy-Ball型動(dòng)量方法的最優(yōu)個(gè)體收斂速率[J].計(jì)算機(jī)研究與發(fā)展,2019,56(8):1686-1694.

    [9] 景立森,丁志剛,鄭樹(shù)泉,等.基于NAG的BP神經(jīng)網(wǎng)絡(luò)的研究與改進(jìn)[J].計(jì)算機(jī)應(yīng)用與軟件,2018,35(11):272-277.

    [10] 王建飛,亢良伊,劉杰,等.分布式隨機(jī)方差消減梯度下降算法topkSVRG[J].計(jì)算機(jī)科學(xué)與探索,2018,12(07):1047-1054.

    [11] 張晉晶.基于隨機(jī)梯度下降的神經(jīng)網(wǎng)絡(luò)權(quán)重優(yōu)化算法[D].西南大學(xué),2018:1-59.

    作者簡(jiǎn)介:

    李興怡(1993-),男,碩士生.研究領(lǐng)域:機(jī)器學(xué)習(xí).

    岳 ? ?洋(1992-),女,碩士生.研究領(lǐng)域:優(yōu)化方法.

    猜你喜歡
    優(yōu)化算法機(jī)器學(xué)習(xí)
    原子干涉磁力儀信號(hào)鑒頻優(yōu)化算法設(shè)計(jì)
    故障樹(shù)計(jì)算機(jī)輔助分析優(yōu)化算法研究與應(yīng)用
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    混沌優(yōu)化算法在TSP問(wèn)題的應(yīng)用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測(cè)分析
    前綴字母為特征在維吾爾語(yǔ)文本情感分類(lèi)中的研究
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    再制造閉環(huán)供應(yīng)鏈研究現(xiàn)狀分析
    機(jī)器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
    故障樹(shù)計(jì)算機(jī)輔助分析優(yōu)化算法的實(shí)踐應(yīng)用
    久久午夜福利片| 成人无遮挡网站| 我的女老师完整版在线观看| 亚洲天堂av无毛| 国产成人精品无人区| 国产精品国产av在线观看| 国产色婷婷99| 最近手机中文字幕大全| av免费在线看不卡| 日本与韩国留学比较| 亚洲经典国产精华液单| 国产免费又黄又爽又色| 日日啪夜夜爽| 飞空精品影院首页| 午夜激情av网站| 久久韩国三级中文字幕| 男女边吃奶边做爰视频| 中国三级夫妇交换| 天天躁夜夜躁狠狠久久av| 性高湖久久久久久久久免费观看| 久久精品夜色国产| 欧美 亚洲 国产 日韩一| 黄色毛片三级朝国网站| 成人18禁高潮啪啪吃奶动态图| 免费高清在线观看视频在线观看| 久久久久精品人妻al黑| 国产精品不卡视频一区二区| 另类精品久久| 激情视频va一区二区三区| 51国产日韩欧美| 色婷婷久久久亚洲欧美| 夜夜骑夜夜射夜夜干| 国产亚洲精品久久久com| 丝袜美足系列| 观看美女的网站| 欧美另类一区| 国产精品三级大全| 中文精品一卡2卡3卡4更新| 亚洲国产精品专区欧美| 欧美日韩精品成人综合77777| 国产av一区二区精品久久| 久热久热在线精品观看| 日日摸夜夜添夜夜爱| 精品一区在线观看国产| 一本—道久久a久久精品蜜桃钙片| a级毛片在线看网站| 伦理电影大哥的女人| 日韩电影二区| 国产xxxxx性猛交| 男女无遮挡免费网站观看| 精品人妻一区二区三区麻豆| av黄色大香蕉| 十八禁高潮呻吟视频| 中文字幕免费在线视频6| 三上悠亚av全集在线观看| 亚洲精品456在线播放app| 最近的中文字幕免费完整| 亚洲四区av| 高清欧美精品videossex| 久久韩国三级中文字幕| 美国免费a级毛片| 高清欧美精品videossex| 国内精品宾馆在线| 亚洲av免费高清在线观看| 高清不卡的av网站| 人妻人人澡人人爽人人| 美国免费a级毛片| 亚洲精品国产av成人精品| 在现免费观看毛片| 观看美女的网站| 一二三四中文在线观看免费高清| 9热在线视频观看99| 婷婷色综合大香蕉| 久久狼人影院| 欧美成人午夜免费资源| 黑人巨大精品欧美一区二区蜜桃 | 在线观看一区二区三区激情| 乱人伦中国视频| 久久精品国产a三级三级三级| 久久精品国产亚洲av天美| 女的被弄到高潮叫床怎么办| 男人舔女人的私密视频| videos熟女内射| 精品视频人人做人人爽| 久久精品国产a三级三级三级| 韩国高清视频一区二区三区| 国产乱来视频区| 精品99又大又爽又粗少妇毛片| 亚洲精品成人av观看孕妇| 51国产日韩欧美| 婷婷色av中文字幕| 内地一区二区视频在线| 日本欧美视频一区| 人妻 亚洲 视频| 熟女av电影| 国产一区二区三区综合在线观看 | 极品人妻少妇av视频| 欧美精品人与动牲交sv欧美| 欧美xxⅹ黑人| 免费观看在线日韩| 母亲3免费完整高清在线观看 | 香蕉精品网在线| av线在线观看网站| 国产淫语在线视频| 亚洲性久久影院| 99国产精品免费福利视频| 国产精品一区二区在线观看99| 九九在线视频观看精品| 男女免费视频国产| 亚洲一区二区三区欧美精品| 男人操女人黄网站| 国产国语露脸激情在线看| 亚洲综合色惰| 国产欧美另类精品又又久久亚洲欧美| 菩萨蛮人人尽说江南好唐韦庄| 看非洲黑人一级黄片| 国产成人91sexporn| 我的女老师完整版在线观看| 菩萨蛮人人尽说江南好唐韦庄| 欧美人与性动交α欧美精品济南到 | 欧美亚洲 丝袜 人妻 在线| 欧美日韩成人在线一区二区| 久久99蜜桃精品久久| 人人妻人人澡人人看| 日韩三级伦理在线观看| 国产精品三级大全| 欧美日韩视频高清一区二区三区二| 免费久久久久久久精品成人欧美视频 | 两性夫妻黄色片 | 久久97久久精品| av卡一久久| 一区二区av电影网| 精品国产一区二区久久| 精品人妻偷拍中文字幕| 波多野结衣一区麻豆| 久久这里只有精品19| 国产精品人妻久久久影院| 一级毛片电影观看| 久久 成人 亚洲| 日本欧美国产在线视频| 麻豆精品久久久久久蜜桃| 久久人人97超碰香蕉20202| 精品亚洲成国产av| 午夜视频国产福利| 免费在线观看完整版高清| 国产在线免费精品| 22中文网久久字幕| 26uuu在线亚洲综合色| 99热国产这里只有精品6| 亚洲国产欧美在线一区| 精品一区在线观看国产| 黄色毛片三级朝国网站| 夜夜骑夜夜射夜夜干| 欧美精品亚洲一区二区| 国产亚洲一区二区精品| 男人舔女人的私密视频| 精品一区二区三卡| 国产精品不卡视频一区二区| 99国产综合亚洲精品| 天天躁夜夜躁狠狠久久av| av免费观看日本| 日韩三级伦理在线观看| 午夜福利视频精品| 国产亚洲精品久久久com| 好男人视频免费观看在线| 欧美另类一区| 在现免费观看毛片| 精品国产一区二区三区四区第35| 国产午夜精品一二区理论片| 国产免费福利视频在线观看| 亚洲一级一片aⅴ在线观看| 少妇猛男粗大的猛烈进出视频| 中文字幕精品免费在线观看视频 | 99精国产麻豆久久婷婷| 亚洲美女视频黄频| 一区二区三区四区激情视频| 国产亚洲一区二区精品| 国产不卡av网站在线观看| 满18在线观看网站| 一级a做视频免费观看| 97精品久久久久久久久久精品| 国产欧美日韩一区二区三区在线| 日韩电影二区| 你懂的网址亚洲精品在线观看| 亚洲国产精品国产精品| 日日爽夜夜爽网站| 欧美国产精品va在线观看不卡| 久久人人爽人人片av| 国产乱人偷精品视频| 免费黄频网站在线观看国产| 熟女av电影| 天堂中文最新版在线下载| 在线观看免费日韩欧美大片| 黑人高潮一二区| 欧美少妇被猛烈插入视频| 高清不卡的av网站| 亚洲欧美日韩另类电影网站| 男人舔女人的私密视频| 国产探花极品一区二区| 免费大片黄手机在线观看| 在线天堂中文资源库| 一级毛片黄色毛片免费观看视频| 亚洲av电影在线进入| 久久99精品国语久久久| 亚洲av男天堂| 久久久精品94久久精品| 久久热在线av| 春色校园在线视频观看| 国产一级毛片在线| 99久久人妻综合| 国产精品国产av在线观看| 欧美最新免费一区二区三区| 男女边摸边吃奶| 桃花免费在线播放| 日本爱情动作片www.在线观看| 免费大片18禁| 毛片一级片免费看久久久久| 高清欧美精品videossex| 亚洲国产色片| 少妇熟女欧美另类| 久久人人97超碰香蕉20202| 赤兔流量卡办理| 亚洲一码二码三码区别大吗| 久久这里只有精品19| 伦理电影免费视频| 成人无遮挡网站| 久久久精品区二区三区| 乱人伦中国视频| 在线精品无人区一区二区三| 久久99一区二区三区| 国产成人91sexporn| 最近中文字幕高清免费大全6| 国产精品女同一区二区软件| 午夜91福利影院| 人妻系列 视频| 国产午夜精品一二区理论片| 寂寞人妻少妇视频99o| 国产精品秋霞免费鲁丝片| 久久青草综合色| 亚洲国产精品成人久久小说| 国产在线一区二区三区精| 欧美激情国产日韩精品一区| 午夜福利网站1000一区二区三区| 只有这里有精品99| 国产欧美另类精品又又久久亚洲欧美| 搡老乐熟女国产| 日韩免费高清中文字幕av| 中文字幕亚洲精品专区| 欧美激情 高清一区二区三区| 国产福利在线免费观看视频| 一区二区av电影网| 久久97久久精品| 韩国av在线不卡| 国产又爽黄色视频| 夫妻性生交免费视频一级片| 哪个播放器可以免费观看大片| 一区二区av电影网| av国产精品久久久久影院| 婷婷色av中文字幕| 国产不卡av网站在线观看| 边亲边吃奶的免费视频| 精品久久久久久电影网| 91在线精品国自产拍蜜月| 下体分泌物呈黄色| 国产亚洲精品第一综合不卡 | 最近最新中文字幕大全免费视频 | 亚洲色图 男人天堂 中文字幕 | 国产成人a∨麻豆精品| 天堂俺去俺来也www色官网| 国产淫语在线视频| 亚洲人成77777在线视频| 视频区图区小说| 嫩草影院入口| 中文字幕亚洲精品专区| 黄色配什么色好看| 2022亚洲国产成人精品| 日本猛色少妇xxxxx猛交久久| 欧美精品av麻豆av| 老司机影院成人| 日本欧美视频一区| 肉色欧美久久久久久久蜜桃| 日韩伦理黄色片| 久久人人爽av亚洲精品天堂| 啦啦啦啦在线视频资源| 精品视频人人做人人爽| 老司机影院毛片| 91国产中文字幕| 18禁裸乳无遮挡动漫免费视频| 久久这里只有精品19| 久久国产亚洲av麻豆专区| 香蕉精品网在线| 国产不卡av网站在线观看| 纵有疾风起免费观看全集完整版| 免费观看a级毛片全部| 观看美女的网站| 欧美 日韩 精品 国产| 不卡视频在线观看欧美| 欧美亚洲 丝袜 人妻 在线| √禁漫天堂资源中文www| 99久久综合免费| 老女人水多毛片| 亚洲成色77777| 一区二区av电影网| 丰满少妇做爰视频| 国产亚洲av片在线观看秒播厂| 久久久久久久久久成人| 国产精品成人在线| 亚洲欧洲精品一区二区精品久久久 | 视频在线观看一区二区三区| 亚洲精品国产色婷婷电影| a 毛片基地| 久久精品久久久久久久性| 日韩制服丝袜自拍偷拍| 久久av网站| 免费高清在线观看视频在线观看| 亚洲综合色惰| 久久国产亚洲av麻豆专区| 亚洲av在线观看美女高潮| 性高湖久久久久久久久免费观看| 欧美日韩视频精品一区| 中文字幕av电影在线播放| 久久久久久人人人人人| 看十八女毛片水多多多| 国产一区二区三区av在线| 91精品国产国语对白视频| 日韩制服丝袜自拍偷拍| 精品熟女少妇av免费看| 国产精品人妻久久久影院| 欧美日韩av久久| 久久久欧美国产精品| 91国产中文字幕| xxxhd国产人妻xxx| 女的被弄到高潮叫床怎么办| 国产成人精品在线电影| 一本色道久久久久久精品综合| 久久精品国产综合久久久 | 中文字幕另类日韩欧美亚洲嫩草| 看非洲黑人一级黄片| 久久午夜福利片| tube8黄色片| 国产精品 国内视频| 亚洲国产精品一区三区| 美女视频免费永久观看网站| 亚洲国产精品999| 制服诱惑二区| 亚洲色图综合在线观看| 极品少妇高潮喷水抽搐| 永久网站在线| 男女高潮啪啪啪动态图| 黄网站色视频无遮挡免费观看| 久久婷婷青草| 日韩av不卡免费在线播放| av天堂久久9| 久久久久久久国产电影| 波野结衣二区三区在线| 亚洲av福利一区| 在线 av 中文字幕| 精品一品国产午夜福利视频| 午夜福利网站1000一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 国产av国产精品国产| 在线亚洲精品国产二区图片欧美| 亚洲久久久国产精品| 1024视频免费在线观看| 成人18禁高潮啪啪吃奶动态图| 国产乱来视频区| 在线精品无人区一区二区三| 日韩不卡一区二区三区视频在线| 看免费av毛片| 新久久久久国产一级毛片| 天天躁夜夜躁狠狠久久av| 久久综合国产亚洲精品| 蜜桃国产av成人99| 亚洲经典国产精华液单| 成人国产av品久久久| 黄片播放在线免费| 女的被弄到高潮叫床怎么办| www.av在线官网国产| 亚洲色图 男人天堂 中文字幕 | 老司机影院成人| 久久久精品免费免费高清| 视频区图区小说| 亚洲欧美一区二区三区国产| 国产成人午夜福利电影在线观看| 男女啪啪激烈高潮av片| 久久午夜综合久久蜜桃| 婷婷成人精品国产| 九草在线视频观看| 99香蕉大伊视频| 欧美 亚洲 国产 日韩一| 人妻 亚洲 视频| 日本与韩国留学比较| 国产免费视频播放在线视频| 少妇精品久久久久久久| 午夜日本视频在线| 制服人妻中文乱码| 在线观看www视频免费| 国产一区二区激情短视频 | 建设人人有责人人尽责人人享有的| 青春草视频在线免费观看| av播播在线观看一区| 丰满少妇做爰视频| 久久精品熟女亚洲av麻豆精品| 国产福利在线免费观看视频| 成人影院久久| 婷婷色av中文字幕| 九九在线视频观看精品| 九色成人免费人妻av| 国产黄色视频一区二区在线观看| 国产淫语在线视频| 美女主播在线视频| 久久午夜福利片| 精品国产一区二区三区四区第35| 全区人妻精品视频| 成人18禁高潮啪啪吃奶动态图| 丰满饥渴人妻一区二区三| 久久久国产精品麻豆| xxx大片免费视频| 国产日韩欧美视频二区| 国产精品.久久久| 成人国语在线视频| 麻豆精品久久久久久蜜桃| 日韩熟女老妇一区二区性免费视频| 亚洲欧美成人综合另类久久久| 国产在视频线精品| 久久久久久久亚洲中文字幕| av播播在线观看一区| 美女内射精品一级片tv| a级片在线免费高清观看视频| 男女啪啪激烈高潮av片| 黄色怎么调成土黄色| 国产一区有黄有色的免费视频| 精品人妻偷拍中文字幕| 美女福利国产在线| 精品视频人人做人人爽| 美女主播在线视频| a级毛片黄视频| 亚洲精品美女久久久久99蜜臀 | 综合色丁香网| 天堂俺去俺来也www色官网| 久久久久久久久久人人人人人人| 我的女老师完整版在线观看| 99热6这里只有精品| 肉色欧美久久久久久久蜜桃| 久久青草综合色| 成人综合一区亚洲| 最新中文字幕久久久久| 久久久久精品性色| 99精国产麻豆久久婷婷| 人人澡人人妻人| 男女无遮挡免费网站观看| 亚洲av成人精品一二三区| 少妇熟女欧美另类| 免费观看av网站的网址| 精品少妇久久久久久888优播| 女人被躁到高潮嗷嗷叫费观| 天堂中文最新版在线下载| 国精品久久久久久国模美| 另类亚洲欧美激情| 日本vs欧美在线观看视频| 狠狠精品人妻久久久久久综合| 天堂中文最新版在线下载| 午夜免费观看性视频| 男女免费视频国产| 91精品国产国语对白视频| 日韩成人伦理影院| 色吧在线观看| 久久久久久久大尺度免费视频| 日本免费在线观看一区| 毛片一级片免费看久久久久| 国产伦理片在线播放av一区| 国产亚洲欧美精品永久| 日韩制服丝袜自拍偷拍| 黄片无遮挡物在线观看| 我要看黄色一级片免费的| 精品酒店卫生间| 黑人欧美特级aaaaaa片| 久久精品aⅴ一区二区三区四区 | av有码第一页| 视频中文字幕在线观看| 国产淫语在线视频| av片东京热男人的天堂| 国产成人欧美| 国产极品天堂在线| 日本欧美国产在线视频| 国产免费现黄频在线看| 国产精品一区二区在线不卡| 久热久热在线精品观看| 亚洲av日韩在线播放| 91精品伊人久久大香线蕉| 国产亚洲精品第一综合不卡 | 亚洲av免费高清在线观看| 亚洲中文av在线| 人人澡人人妻人| 久热这里只有精品99| 桃花免费在线播放| 久久人人97超碰香蕉20202| 中文欧美无线码| 五月天丁香电影| 看免费成人av毛片| 国产男女内射视频| 久热久热在线精品观看| 99国产综合亚洲精品| 人人妻人人澡人人看| 精品久久久精品久久久| 久热久热在线精品观看| 国产探花极品一区二区| 免费在线观看黄色视频的| 嫩草影院入口| 97超碰精品成人国产| 亚洲av福利一区| 美女视频免费永久观看网站| 国产黄色免费在线视频| 午夜激情av网站| 午夜福利网站1000一区二区三区| 制服人妻中文乱码| 精品人妻在线不人妻| 午夜激情久久久久久久| 少妇精品久久久久久久| 日韩制服骚丝袜av| 久久久久久久大尺度免费视频| 亚洲精品视频女| 亚洲欧美一区二区三区国产| 男女免费视频国产| 欧美人与性动交α欧美软件 | av一本久久久久| 成年女人在线观看亚洲视频| www.色视频.com| 亚洲美女搞黄在线观看| 波多野结衣一区麻豆| 天堂俺去俺来也www色官网| 国产黄色免费在线视频| 亚洲欧美一区二区三区国产| 大话2 男鬼变身卡| 精品国产国语对白av| 久久精品国产亚洲av涩爱| 亚洲av电影在线观看一区二区三区| 国产日韩欧美在线精品| 亚洲精品色激情综合| 丁香六月天网| 十分钟在线观看高清视频www| 欧美亚洲日本最大视频资源| 久久99精品国语久久久| 亚洲欧美日韩另类电影网站| 国产精品 国内视频| 曰老女人黄片| 亚洲一码二码三码区别大吗| 大香蕉97超碰在线| 国产av码专区亚洲av| 午夜老司机福利剧场| 精品人妻熟女毛片av久久网站| 国产男女内射视频| 欧美97在线视频| 少妇的逼好多水| 成年动漫av网址| 免费久久久久久久精品成人欧美视频 | 在线 av 中文字幕| 欧美精品人与动牲交sv欧美| 女性被躁到高潮视频| 日本-黄色视频高清免费观看| 久久精品久久精品一区二区三区| av视频免费观看在线观看| 午夜激情久久久久久久| 国产淫语在线视频| 夫妻午夜视频| 80岁老熟妇乱子伦牲交| 91久久精品国产一区二区三区| 亚洲图色成人| 少妇人妻久久综合中文| 久久精品国产a三级三级三级| 如日韩欧美国产精品一区二区三区| 亚洲精品第二区| 精品人妻偷拍中文字幕| 国产精品99久久99久久久不卡 | 国产精品一区www在线观看| 欧美xxⅹ黑人| av女优亚洲男人天堂| 边亲边吃奶的免费视频| 亚洲人与动物交配视频| 午夜日本视频在线| 性色av一级| 亚洲天堂av无毛| 内地一区二区视频在线| av片东京热男人的天堂| 97在线人人人人妻| 中文精品一卡2卡3卡4更新| 秋霞伦理黄片| 久久午夜综合久久蜜桃| 亚洲国产日韩一区二区| 精品国产国语对白av| 男女免费视频国产| 久久久久国产精品人妻一区二区| 边亲边吃奶的免费视频| 久久久久视频综合| 亚洲欧美成人精品一区二区| 校园人妻丝袜中文字幕| 大陆偷拍与自拍| 久久久久精品性色| 国产一区二区三区av在线| 久久精品国产a三级三级三级| 亚洲综合色惰| 精品人妻在线不人妻| 亚洲色图综合在线观看| 国产av精品麻豆| 韩国av在线不卡| 草草在线视频免费看| 免费人成在线观看视频色| 日韩成人av中文字幕在线观看| videosex国产| 人妻少妇偷人精品九色| 日本色播在线视频| 亚洲欧美色中文字幕在线| av天堂久久9| 免费av不卡在线播放| 午夜激情av网站|