• <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
    如日韩欧美国产精品一区二区三区| 久久久国产欧美日韩av| 丰满人妻熟妇乱又伦精品不卡| 这个男人来自地球电影免费观看| 久久久水蜜桃国产精品网| 亚洲精品久久成人aⅴ小说| 在线观看免费视频日本深夜| 九色国产91popny在线| 女人精品久久久久毛片| 日韩有码中文字幕| 国产成人精品无人区| or卡值多少钱| 午夜福利18| 好看av亚洲va欧美ⅴa在| 精品久久久久久久久久免费视频| 国产成人欧美在线观看| 在线av久久热| 国产精品秋霞免费鲁丝片| 可以在线观看的亚洲视频| 一本久久中文字幕| 国产成人影院久久av| 电影成人av| 性色av乱码一区二区三区2| 亚洲av电影在线进入| 久久久久久久午夜电影| 男女床上黄色一级片免费看| 久久精品国产清高在天天线| 一区福利在线观看| 波多野结衣av一区二区av| 男人舔女人的私密视频| 纯流量卡能插随身wifi吗| 老汉色∧v一级毛片| 999久久久精品免费观看国产| 亚洲欧美精品综合一区二区三区| av免费在线观看网站| 亚洲人成网站在线播放欧美日韩| 黄色毛片三级朝国网站| 亚洲国产精品久久男人天堂| 国产精品 欧美亚洲| 法律面前人人平等表现在哪些方面| 国产激情久久老熟女| 欧洲精品卡2卡3卡4卡5卡区| 欧美一级毛片孕妇| 欧美中文综合在线视频| 国产97色在线日韩免费| 国产精品美女特级片免费视频播放器 | 国产精品一区二区免费欧美| 免费久久久久久久精品成人欧美视频| 久久久国产成人精品二区| 成人国语在线视频| 国产精品亚洲av一区麻豆| 首页视频小说图片口味搜索| www国产在线视频色| 亚洲成a人片在线一区二区| 18禁黄网站禁片午夜丰满| 精品欧美国产一区二区三| 99精品久久久久人妻精品| 最近最新免费中文字幕在线| 一边摸一边抽搐一进一小说| 亚洲aⅴ乱码一区二区在线播放 | 亚洲午夜理论影院| 韩国av一区二区三区四区| 99国产精品一区二区三区| 成人国产综合亚洲| 在线十欧美十亚洲十日本专区| 欧美性长视频在线观看| 国产精品99久久99久久久不卡| 欧美日本视频| 精品久久久精品久久久| 久久精品91蜜桃| 一二三四社区在线视频社区8| 国产精品野战在线观看| 窝窝影院91人妻| 老司机深夜福利视频在线观看| 亚洲欧美日韩另类电影网站| 美女高潮喷水抽搐中文字幕| 视频在线观看一区二区三区| 久久影院123| 黑人操中国人逼视频| 在线观看66精品国产| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品日韩av在线免费观看 | 国产成+人综合+亚洲专区| 精品人妻1区二区| 一个人免费在线观看的高清视频| 可以在线观看的亚洲视频| 欧美一级a爱片免费观看看 | 国内久久婷婷六月综合欲色啪| 在线观看舔阴道视频| 久久久久久免费高清国产稀缺| 在线免费观看的www视频| 日韩视频一区二区在线观看| 人人妻人人澡人人看| 麻豆一二三区av精品| 成年版毛片免费区| 一级a爱片免费观看的视频| 国产精品爽爽va在线观看网站 | 好看av亚洲va欧美ⅴa在| 久久国产精品影院| 日本精品一区二区三区蜜桃| 久久性视频一级片| 怎么达到女性高潮| 激情视频va一区二区三区| 日韩成人在线观看一区二区三区| av网站免费在线观看视频| 99久久精品国产亚洲精品| 91大片在线观看| 亚洲电影在线观看av| 丁香欧美五月| 国产av精品麻豆| 十分钟在线观看高清视频www| 日日摸夜夜添夜夜添小说| 午夜福利高清视频| 深夜精品福利| 欧美成狂野欧美在线观看| 久久人妻av系列| 老熟妇乱子伦视频在线观看| 国产成人系列免费观看| 国产精品久久久久久人妻精品电影| 国产97色在线日韩免费| 国产成人精品久久二区二区免费| 啦啦啦免费观看视频1| av有码第一页| 91麻豆av在线| 在线十欧美十亚洲十日本专区| 韩国精品一区二区三区| 国产亚洲精品久久久久5区| 国产国语露脸激情在线看| 亚洲 欧美一区二区三区| 夜夜看夜夜爽夜夜摸| 一区福利在线观看| 大香蕉久久成人网| 正在播放国产对白刺激| 9热在线视频观看99| 国产av一区二区精品久久| 黄频高清免费视频| 精品无人区乱码1区二区| 黑人操中国人逼视频| 一进一出抽搐gif免费好疼| www.999成人在线观看| 免费人成视频x8x8入口观看| 成人三级做爰电影| 波多野结衣巨乳人妻| 国产99白浆流出| 久久天堂一区二区三区四区| 国产精品久久视频播放| 国内精品久久久久精免费| 国产精品亚洲一级av第二区| 岛国视频午夜一区免费看| 日韩av在线大香蕉| 桃色一区二区三区在线观看| 国产精品国产高清国产av| 国产欧美日韩一区二区三区在线| 乱人伦中国视频| 亚洲av日韩精品久久久久久密| 日韩欧美免费精品| 欧美人与性动交α欧美精品济南到| 免费一级毛片在线播放高清视频 | 国产极品粉嫩免费观看在线| 我的亚洲天堂| 国产精品99久久99久久久不卡| 亚洲视频免费观看视频| 18禁裸乳无遮挡免费网站照片 | 级片在线观看| 亚洲人成网站在线播放欧美日韩| 琪琪午夜伦伦电影理论片6080| 91国产中文字幕| 国产精品永久免费网站| 欧美日韩黄片免| 18禁国产床啪视频网站| 国产麻豆69| 看片在线看免费视频| 老司机靠b影院| 国产一区二区三区在线臀色熟女| 亚洲欧美激情综合另类| 我的亚洲天堂| 免费少妇av软件| 久久精品国产亚洲av高清一级| 多毛熟女@视频| 亚洲一区中文字幕在线| 亚洲欧美日韩无卡精品| 中亚洲国语对白在线视频| 色av中文字幕| 男人舔女人的私密视频| 国产精品日韩av在线免费观看 | av中文乱码字幕在线| 成人免费观看视频高清| 欧美日韩亚洲国产一区二区在线观看| 国产精品98久久久久久宅男小说| 日韩欧美一区二区三区在线观看| 国产欧美日韩综合在线一区二区| 黑人操中国人逼视频| av欧美777| 亚洲aⅴ乱码一区二区在线播放 | 欧美日韩福利视频一区二区| 国产亚洲精品一区二区www| 亚洲专区中文字幕在线| 两个人视频免费观看高清| 大码成人一级视频| 国产99白浆流出| 天堂√8在线中文| 精品国产一区二区久久| 国产亚洲精品一区二区www| 在线视频色国产色| 亚洲人成电影观看| 午夜免费鲁丝| 久久狼人影院| 桃红色精品国产亚洲av| 午夜免费鲁丝| 精品久久久久久,| 亚洲精品中文字幕一二三四区| 制服人妻中文乱码| 不卡一级毛片| 亚洲性夜色夜夜综合| 性少妇av在线| 曰老女人黄片| 亚洲av电影在线进入| 亚洲av电影不卡..在线观看| 动漫黄色视频在线观看| 俄罗斯特黄特色一大片| 自拍欧美九色日韩亚洲蝌蚪91| 91九色精品人成在线观看| 麻豆久久精品国产亚洲av| 亚洲熟妇熟女久久| 三级毛片av免费| 夜夜看夜夜爽夜夜摸| 亚洲片人在线观看| 一个人观看的视频www高清免费观看 | 亚洲免费av在线视频| 亚洲午夜理论影院| 亚洲第一青青草原| 18禁黄网站禁片午夜丰满| 精品福利观看| 国产一区二区在线av高清观看| 老司机福利观看| 久久国产精品影院| 老汉色av国产亚洲站长工具| 成年女人毛片免费观看观看9| 搞女人的毛片| videosex国产| 老司机福利观看| 一二三四在线观看免费中文在| 国产午夜精品久久久久久| 精品国产一区二区久久| 亚洲精品在线美女| 久久久久久大精品| 大码成人一级视频| 18禁观看日本| 日本a在线网址| 欧美最黄视频在线播放免费| 村上凉子中文字幕在线| tocl精华| 亚洲va日本ⅴa欧美va伊人久久| 99精品欧美一区二区三区四区| 亚洲色图 男人天堂 中文字幕| 午夜福利影视在线免费观看| 在线永久观看黄色视频| 热99re8久久精品国产| 欧美乱色亚洲激情| 亚洲国产精品999在线| 色播亚洲综合网| 国产99久久九九免费精品| 波多野结衣高清无吗| 日日干狠狠操夜夜爽| 精品国内亚洲2022精品成人| 大型黄色视频在线免费观看| 日韩大码丰满熟妇| www日本在线高清视频| 国产欧美日韩一区二区三| 三级毛片av免费| 天天一区二区日本电影三级 | 老司机午夜福利在线观看视频| 一区二区三区激情视频| 国产成人精品在线电影| 成人国语在线视频| 国产精品亚洲美女久久久| 色综合亚洲欧美另类图片| 两性夫妻黄色片| 热re99久久国产66热| 国产三级在线视频| 亚洲熟妇熟女久久| 色综合欧美亚洲国产小说| 欧美一区二区精品小视频在线| 中文字幕另类日韩欧美亚洲嫩草| 成人欧美大片| 精品国产一区二区三区四区第35| 国产精品美女特级片免费视频播放器 | 天天一区二区日本电影三级 | 午夜成年电影在线免费观看| 国产亚洲精品第一综合不卡| 在线观看免费日韩欧美大片| 国语自产精品视频在线第100页| 日韩欧美三级三区| 国产成人啪精品午夜网站| 精品国产超薄肉色丝袜足j| cao死你这个sao货| 啦啦啦韩国在线观看视频| 成人国产一区最新在线观看| 久久久久久国产a免费观看| 国产精品亚洲av一区麻豆| 99国产精品一区二区三区| 亚洲熟妇中文字幕五十中出| 大码成人一级视频| 亚洲少妇的诱惑av| a级毛片在线看网站| 好看av亚洲va欧美ⅴa在| 色综合亚洲欧美另类图片| 欧美日韩福利视频一区二区| 老熟妇乱子伦视频在线观看| 国产一区二区在线av高清观看| 午夜久久久久精精品| 亚洲全国av大片| 黄片大片在线免费观看| 欧美 亚洲 国产 日韩一| 国产一区二区在线av高清观看| 久久久国产成人精品二区| 亚洲专区中文字幕在线| 国产成人影院久久av| 一本大道久久a久久精品| 国产欧美日韩一区二区三| 国产av又大| 一本综合久久免费| 岛国在线观看网站| 国产亚洲精品一区二区www| svipshipincom国产片| 亚洲欧美日韩高清在线视频| 欧美不卡视频在线免费观看 | 国产91精品成人一区二区三区| 免费观看人在逋| 丝袜人妻中文字幕| 欧美成人免费av一区二区三区| 波多野结衣一区麻豆| 欧美色视频一区免费| 精品久久蜜臀av无| 国产精品亚洲av一区麻豆| 国产单亲对白刺激| 久久天躁狠狠躁夜夜2o2o| 麻豆av在线久日| 一区在线观看完整版| 精品欧美国产一区二区三| 大码成人一级视频| 亚洲av电影不卡..在线观看| 天堂影院成人在线观看| 久久久久国产一级毛片高清牌| 男女之事视频高清在线观看| 国产欧美日韩精品亚洲av| 久久久水蜜桃国产精品网| 国产精品自产拍在线观看55亚洲| 成人免费观看视频高清| www.www免费av| 国产麻豆69| 制服人妻中文乱码| 国产免费男女视频| 色哟哟哟哟哟哟| 亚洲,欧美精品.| 性少妇av在线| 亚洲少妇的诱惑av| 国产欧美日韩一区二区精品| 国产欧美日韩一区二区三区在线| 久久天躁狠狠躁夜夜2o2o| 精品福利观看| 亚洲七黄色美女视频| 国产成+人综合+亚洲专区| 国产精品二区激情视频| 久久人妻av系列| 免费少妇av软件| 色综合欧美亚洲国产小说| 伊人久久大香线蕉亚洲五| 人人妻人人澡人人看| 亚洲三区欧美一区| 丝袜人妻中文字幕| 欧美日韩瑟瑟在线播放| 搡老妇女老女人老熟妇| 国产精品电影一区二区三区| 国产精品免费一区二区三区在线| 校园春色视频在线观看| 精品国产美女av久久久久小说| 国产成人欧美在线观看| 啦啦啦免费观看视频1| 黄色片一级片一级黄色片| www.自偷自拍.com| 亚洲色图 男人天堂 中文字幕| 国产一区二区三区视频了| 99国产精品一区二区蜜桃av| 在线十欧美十亚洲十日本专区| 亚洲精品粉嫩美女一区| 日本三级黄在线观看| 在线观看免费视频网站a站| 亚洲人成伊人成综合网2020| 人人妻人人澡欧美一区二区 | 久久久久久人人人人人| 久久性视频一级片| 国产成人欧美| 一本久久中文字幕| 身体一侧抽搐| www.www免费av| 激情视频va一区二区三区| 母亲3免费完整高清在线观看| 激情在线观看视频在线高清| 香蕉丝袜av| 又黄又粗又硬又大视频| 亚洲狠狠婷婷综合久久图片| 午夜免费鲁丝| 亚洲av美国av| 色尼玛亚洲综合影院| 久久人人精品亚洲av| 国产欧美日韩综合在线一区二区| 欧美日韩黄片免| 日本a在线网址| 波多野结衣巨乳人妻| 在线永久观看黄色视频| 国产精品 欧美亚洲| 少妇被粗大的猛进出69影院| 女人被狂操c到高潮| 日韩 欧美 亚洲 中文字幕| 成人三级做爰电影| 中文字幕人成人乱码亚洲影| 欧美中文综合在线视频| 精品国产一区二区三区四区第35| 日韩欧美在线二视频| 波多野结衣高清无吗| 国产色视频综合| 国产精品99久久99久久久不卡| 叶爱在线成人免费视频播放| www日本在线高清视频| 成人免费观看视频高清| 免费在线观看视频国产中文字幕亚洲| 狠狠狠狠99中文字幕| 欧美日本视频| 性色av乱码一区二区三区2| 波多野结衣巨乳人妻| 久久人妻福利社区极品人妻图片| 国产成人精品久久二区二区免费| 日日干狠狠操夜夜爽| 91老司机精品| 国产亚洲欧美在线一区二区| 成人18禁高潮啪啪吃奶动态图| 国产精品综合久久久久久久免费 | 国产日韩一区二区三区精品不卡| 亚洲精品一区av在线观看| 又大又爽又粗| 天天躁夜夜躁狠狠躁躁| 后天国语完整版免费观看| 波多野结衣高清无吗| 国产成人欧美在线观看| 欧美av亚洲av综合av国产av| 亚洲人成伊人成综合网2020| 成人三级黄色视频| 亚洲一区高清亚洲精品| av欧美777| 亚洲第一欧美日韩一区二区三区| 国产精品久久久人人做人人爽| 亚洲精品国产一区二区精华液| 国产精品,欧美在线| 日本在线视频免费播放| 国产精品一区二区三区四区久久 | 精品一区二区三区av网在线观看| av有码第一页| 真人做人爱边吃奶动态| 满18在线观看网站| 欧美日韩瑟瑟在线播放| 给我免费播放毛片高清在线观看| 亚洲午夜精品一区,二区,三区| 亚洲人成电影观看| 国产亚洲精品久久久久久毛片| 精品欧美国产一区二区三| 国产一级毛片七仙女欲春2 | 久久人人爽av亚洲精品天堂| 免费高清视频大片| 啦啦啦韩国在线观看视频| 丝袜美腿诱惑在线| 一本综合久久免费| 久久久久国内视频| 亚洲五月色婷婷综合| 好男人在线观看高清免费视频 | 午夜影院日韩av| 欧美中文综合在线视频| 久久精品影院6| 欧美最黄视频在线播放免费| 男女之事视频高清在线观看| 99国产精品一区二区三区| a在线观看视频网站| 亚洲欧美日韩另类电影网站| 国产成人av教育| 欧美一区二区精品小视频在线| 少妇的丰满在线观看| 国产欧美日韩一区二区三| 最近最新中文字幕大全电影3 | 久久久国产精品麻豆| 真人做人爱边吃奶动态| 色播亚洲综合网| 国产精品1区2区在线观看.| 一级作爱视频免费观看| 亚洲专区中文字幕在线| 国产精品久久电影中文字幕| 99在线人妻在线中文字幕| 窝窝影院91人妻| 午夜福利免费观看在线| 亚洲午夜理论影院| 男女之事视频高清在线观看| 免费在线观看视频国产中文字幕亚洲| 色播亚洲综合网| 亚洲成人国产一区在线观看| 久久久国产成人精品二区| 久久婷婷成人综合色麻豆| 性欧美人与动物交配| 亚洲美女黄片视频| 老司机午夜福利在线观看视频| 国产一卡二卡三卡精品| 欧美一级a爱片免费观看看 | 日韩精品中文字幕看吧| 亚洲色图 男人天堂 中文字幕| 麻豆久久精品国产亚洲av| 国产极品粉嫩免费观看在线| av在线播放免费不卡| 久久久久精品国产欧美久久久| 天堂√8在线中文| 精品久久久久久久人妻蜜臀av | 午夜成年电影在线免费观看| 亚洲精品国产精品久久久不卡| 啦啦啦韩国在线观看视频| 露出奶头的视频| 国产伦一二天堂av在线观看| 欧美成人性av电影在线观看| 免费无遮挡裸体视频| 后天国语完整版免费观看| 国产精品久久久av美女十八| 日韩欧美在线二视频| 亚洲av日韩精品久久久久久密| 精品高清国产在线一区| 天天添夜夜摸| 亚洲五月色婷婷综合| 免费在线观看亚洲国产| 无遮挡黄片免费观看| 国产日韩一区二区三区精品不卡| 大陆偷拍与自拍| 又黄又爽又免费观看的视频| 久99久视频精品免费| 男人舔女人的私密视频| 国内久久婷婷六月综合欲色啪| 90打野战视频偷拍视频| 国产伦一二天堂av在线观看| 给我免费播放毛片高清在线观看| 亚洲成人久久性| 欧美一级毛片孕妇| 亚洲av成人av| 亚洲最大成人中文| 如日韩欧美国产精品一区二区三区| 国产亚洲精品第一综合不卡| 国产精品一区二区免费欧美| 亚洲av电影在线进入| 国产亚洲av高清不卡| 性少妇av在线| 精品人妻在线不人妻| 精品卡一卡二卡四卡免费| 在线观看午夜福利视频| 激情视频va一区二区三区| 久久精品国产99精品国产亚洲性色 | 亚洲国产看品久久| 午夜免费鲁丝| av视频在线观看入口| 国产亚洲精品久久久久久毛片| 久久久久久亚洲精品国产蜜桃av| 精品一品国产午夜福利视频| 亚洲av片天天在线观看| 亚洲精品中文字幕一二三四区| 成人av一区二区三区在线看| 熟女少妇亚洲综合色aaa.| 亚洲激情在线av| 午夜福利影视在线免费观看| av超薄肉色丝袜交足视频| 日本五十路高清| 国产日韩一区二区三区精品不卡| 琪琪午夜伦伦电影理论片6080| 免费在线观看视频国产中文字幕亚洲| 在线观看午夜福利视频| 一进一出抽搐gif免费好疼| 非洲黑人性xxxx精品又粗又长| 国产真人三级小视频在线观看| 真人做人爱边吃奶动态| 十八禁人妻一区二区| 12—13女人毛片做爰片一| 多毛熟女@视频| 国产精品av久久久久免费| 又黄又爽又免费观看的视频| 久久久精品国产亚洲av高清涩受| 午夜福利18| 国产精品电影一区二区三区| 麻豆av在线久日| 欧美亚洲日本最大视频资源| 欧美日韩亚洲国产一区二区在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产激情欧美一区二区| 欧美日韩亚洲综合一区二区三区_| 真人做人爱边吃奶动态| 19禁男女啪啪无遮挡网站| 日日夜夜操网爽| 久久婷婷人人爽人人干人人爱 | 91成年电影在线观看| 国产免费男女视频| 日本一区二区免费在线视频| 久久国产乱子伦精品免费另类| 在线播放国产精品三级| 黄频高清免费视频| 亚洲熟女毛片儿| 精品久久蜜臀av无| 日韩欧美三级三区| 激情在线观看视频在线高清| 午夜福利视频1000在线观看 | 欧美一级毛片孕妇| 两个人免费观看高清视频| 欧美日本视频| 一个人观看的视频www高清免费观看 | 激情视频va一区二区三区| 18禁黄网站禁片午夜丰满|