精品欧美一区二区三区在线观看 _久久久久国色av免费观看性色_国产精品久久在线观看_亚洲第一综合网站_91精品又粗又猛又爽_小泽玛利亚一区二区免费_91亚洲精品国偷拍自产在线观看 _久久精品视频在线播放_美女精品久久久_欧美日韩国产成人在线

DDPG強(qiáng)化學(xué)習(xí)的PyTorch代碼實(shí)現(xiàn)和逐步講解

開(kāi)發(fā) 前端
深度確定性策略梯度(Deep Deterministic Policy Gradient, DDPG)是受Deep Q-Network啟發(fā)的無(wú)模型、非策略深度強(qiáng)化算法,是基于使用策略梯度的Actor-Critic,本文將使用pytorch對(duì)其進(jìn)行完整的實(shí)現(xiàn)和講解

深度確定性策略梯度(Deep Deterministic Policy Gradient, DDPG)是受Deep Q-Network啟發(fā)的無(wú)模型、非策略深度強(qiáng)化算法,是基于使用策略梯度的Actor-Critic,本文將使用pytorch對(duì)其進(jìn)行完整的實(shí)現(xiàn)和講解

圖片

DDPG的關(guān)鍵組成部分是

  • Replay Buffer
  • Actor-Critic neural network
  • Exploration Noise
  • Target network
  • Soft Target Updates for Target Network

下面我們一個(gè)一個(gè)來(lái)逐步實(shí)現(xiàn):

Replay Buffer

DDPG使用Replay Buffer存儲(chǔ)通過(guò)探索環(huán)境采樣的過(guò)程和獎(jiǎng)勵(lì)(S?,a?,R?,S?+?)。Replay Buffer在幫助代理加速學(xué)習(xí)以及DDPG的穩(wěn)定性方面起著至關(guān)重要的作用:

  • 最小化樣本之間的相關(guān)性:將過(guò)去的經(jīng)驗(yàn)存儲(chǔ)在 Replay Buffer 中,從而允許代理從各種經(jīng)驗(yàn)中學(xué)習(xí)。
  • 啟用離線(xiàn)策略學(xué)習(xí):允許代理從重播緩沖區(qū)采樣轉(zhuǎn)換,而不是從當(dāng)前策略采樣轉(zhuǎn)換。
  • 高效采樣:將過(guò)去的經(jīng)驗(yàn)存儲(chǔ)在緩沖區(qū)中,允許代理多次從不同的經(jīng)驗(yàn)中學(xué)習(xí)。
class Replay_buffer():
'''
Code based on:
https://github.com/openai/baselines/blob/master/baselines/deepq/replay_buffer.py
Expects tuples of (state, next_state, action, reward, done)
'''
def __init__(self, max_size=capacity):
"""Create Replay buffer.
Parameters
----------
size: int
Max number of transitions to store in the buffer. When the buffer
overflows the old memories are dropped.
"""
self.storage = []
self.max_size = max_size
self.ptr = 0

def push(self, data):
if len(self.storage) == self.max_size:
self.storage[int(self.ptr)] = data
self.ptr = (self.ptr + 1) % self.max_size
else:
self.storage.append(data)

def sample(self, batch_size):
"""Sample a batch of experiences.
Parameters
----------
batch_size: int
How many transitions to sample.
Returns
-------
state: np.array
batch of state or observations
action: np.array
batch of actions executed given a state
reward: np.array
rewards received as results of executing action
next_state: np.array
next state next state or observations seen after executing action
done: np.array
done[i] = 1 if executing ation[i] resulted in
the end of an episode and 0 otherwise.
"""
ind = np.random.randint(0, len(self.storage), size=batch_size)
state, next_state, action, reward, done = [], [], [], [], []

for i in ind:
st, n_st, act, rew, dn = self.storage[i]
state.append(np.array(st, copy=False))
next_state.append(np.array(n_st, copy=False))
action.append(np.array(act, copy=False))
reward.append(np.array(rew, copy=False))
done.append(np.array(dn, copy=False))

return np.array(state), np.array(next_state), np.array(action), np.array(reward).reshape(-1, 1), np.array(done).reshape(-1, 1)

Actor-Critic Neural Network

這是Actor-Critic 強(qiáng)化學(xué)習(xí)算法的 PyTorch 實(shí)現(xiàn)。該代碼定義了兩個(gè)神經(jīng)網(wǎng)絡(luò)模型,一個(gè) Actor 和一個(gè) Critic。

Actor 模型的輸入:環(huán)境狀態(tài);Actor 模型的輸出:具有連續(xù)值的動(dòng)作。

Critic 模型的輸入:環(huán)境狀態(tài)和動(dòng)作;Critic 模型的輸出:Q 值,即當(dāng)前狀態(tài)-動(dòng)作對(duì)的預(yù)期總獎(jiǎng)勵(lì)。

class Actor(nn.Module):
"""
The Actor model takes in a state observation as input and
outputs an action, which is a continuous value.

It consists of four fully connected linear layers with ReLU activation functions and
a final output layer selects one single optimized action for the state
"""
def __init__(self, n_states, action_dim, hidden1):
super(Actor, self).__init__()
self.net = nn.Sequential(
nn.Linear(n_states, hidden1),
nn.ReLU(),
nn.Linear(hidden1, hidden1),
nn.ReLU(),
nn.Linear(hidden1, hidden1),
nn.ReLU(),
nn.Linear(hidden1, 1)
)

def forward(self, state):
return self.net(state)

class Critic(nn.Module):
"""
The Critic model takes in both a state observation and an action as input and
outputs a Q-value, which estimates the expected total reward for the current state-action pair.

It consists of four linear layers with ReLU activation functions,
State and action inputs are concatenated before being fed into the first linear layer.

The output layer has a single output, representing the Q-value
"""
def __init__(self, n_states, action_dim, hidden2):
super(Critic, self).__init__()
self.net = nn.Sequential(
nn.Linear(n_states + action_dim, hidden2),
nn.ReLU(),
nn.Linear(hidden2, hidden2),
nn.ReLU(),
nn.Linear(hidden2, hidden2),
nn.ReLU(),
nn.Linear(hidden2, action_dim)
)

def forward(self, state, action):
return self.net(torch.cat((state, action), 1))

Exploration Noise

向 Actor 選擇的動(dòng)作添加噪聲是 DDPG 中用來(lái)鼓勵(lì)探索和改進(jìn)學(xué)習(xí)過(guò)程的一種技術(shù)。

可以使用高斯噪聲或 Ornstein-Uhlenbeck 噪聲。 高斯噪聲簡(jiǎn)單且易于實(shí)現(xiàn),Ornstein-Uhlenbeck 噪聲會(huì)生成時(shí)間相關(guān)的噪聲,可以幫助代理更有效地探索動(dòng)作空間。但是與高斯噪聲方法相比,Ornstein-Uhlenbeck 噪聲波動(dòng)更平滑且隨機(jī)性更低。

import numpy as np
import random
import copy

class OU_Noise(object):
"""Ornstein-Uhlenbeck process.
code from :
https://math.stackexchange.com/questions/1287634/implementing-ornstein-uhlenbeck-in-matlab
The OU_Noise class has four attributes

size: the size of the noise vector to be generated
mu: the mean of the noise, set to 0 by default
theta: the rate of mean reversion, controlling how quickly the noise returns to the mean
sigma: the volatility of the noise, controlling the magnitude of fluctuations
"""
def __init__(self, size, seed, mu=0., theta=0.15, sigma=0.2):
self.mu = mu * np.ones(size)
self.theta = theta
self.sigma = sigma
self.seed = random.seed(seed)
self.reset()

def reset(self):
"""Reset the internal state (= noise) to mean (mu)."""
self.state = copy.copy(self.mu)

def sample(self):
"""Update internal state and return it as a noise sample.
This method uses the current state of the noise and generates the next sample
"""
dx = self.theta * (self.mu - self.state) + self.sigma * np.array([np.random.normal() for _ in range(len(self.state))])
self.state += dx
return self.state

要在DDPG中使用高斯噪聲,可以直接將高斯噪聲添加到代理的動(dòng)作選擇過(guò)程中。

DDPG

DDPG (Deep Deterministic Policy Gradient)采用兩組Actor-Critic神經(jīng)網(wǎng)絡(luò)進(jìn)行函數(shù)逼近。在DDPG中,目標(biāo)網(wǎng)絡(luò)是Actor-Critic ,它目標(biāo)網(wǎng)絡(luò)具有與Actor-Critic網(wǎng)絡(luò)相同的結(jié)構(gòu)和參數(shù)化。

在訓(xùn)練期時(shí),代理使用其 Actor-Critic 網(wǎng)絡(luò)與環(huán)境交互,并將經(jīng)驗(yàn)元組(S?、A?、R?、S?+?)存儲(chǔ)在Replay Buffer中。 然后代理從 Replay Buffer 中采樣并使用數(shù)據(jù)更新 Actor-Critic 網(wǎng)絡(luò)。 DDPG 算法不是通過(guò)直接從 Actor-Critic 網(wǎng)絡(luò)復(fù)制來(lái)更新目標(biāo)網(wǎng)絡(luò)權(quán)重,而是通過(guò)稱(chēng)為軟目標(biāo)更新的過(guò)程緩慢更新目標(biāo)網(wǎng)絡(luò)權(quán)重。

圖片

軟目標(biāo)的更新是從Actor-Critic網(wǎng)絡(luò)傳輸?shù)侥繕?biāo)網(wǎng)絡(luò)的稱(chēng)為目標(biāo)更新率(τ)的權(quán)重的一小部分。

軟目標(biāo)的更新公式如下:

圖片

通過(guò)使用軟目標(biāo)技術(shù),可以大大提高學(xué)習(xí)的穩(wěn)定性。

#Set Hyperparameters
# Hyperparameters adapted for performance from
capacity=1000000
batch_size=64
update_iteration=200
tau=0.001 # tau for soft updating
gamma=0.99 # discount factor
directory = './'
hidden1=20 # hidden layer for actor
hidden2=64. #hiiden laye for critic

class DDPG(object):
def __init__(self, state_dim, action_dim):
"""
Initializes the DDPG agent.
Takes three arguments:
state_dim which is the dimensionality of the state space,
action_dim which is the dimensionality of the action space, and
max_action which is the maximum value an action can take.

Creates a replay buffer, an actor-critic networks and their corresponding target networks.
It also initializes the optimizer for both actor and critic networks alog with
counters to track the number of training iterations.
"""
self.replay_buffer = Replay_buffer()

self.actor = Actor(state_dim, action_dim, hidden1).to(device)
self.actor_target = Actor(state_dim, action_dim, hidden1).to(device)
self.actor_target.load_state_dict(self.actor.state_dict())
self.actor_optimizer = optim.Adam(self.actor.parameters(), lr=3e-3)

self.critic = Critic(state_dim, action_dim, hidden2).to(device)
self.critic_target = Critic(state_dim, action_dim, hidden2).to(device)
self.critic_target.load_state_dict(self.critic.state_dict())
self.critic_optimizer = optim.Adam(self.critic.parameters(), lr=2e-2)
# learning rate



self.num_critic_update_iteration = 0
self.num_actor_update_iteration = 0
self.num_training = 0

def select_action(self, state):
"""
takes the current state as input and returns an action to take in that state.
It uses the actor network to map the state to an action.
"""
state = torch.FloatTensor(state.reshape(1, -1)).to(device)
return self.actor(state).cpu().data.numpy().flatten()


def update(self):
"""
updates the actor and critic networks using a batch of samples from the replay buffer.
For each sample in the batch, it computes the target Q value using the target critic network and the target actor network.
It then computes the current Q value
using the critic network and the action taken by the actor network.

It computes the critic loss as the mean squared error between the target Q value and the current Q value, and
updates the critic network using gradient descent.

It then computes the actor loss as the negative mean Q value using the critic network and the actor network, and
updates the actor network using gradient ascent.

Finally, it updates the target networks using
soft updates, where a small fraction of the actor and critic network weights are transferred to their target counterparts.
This process is repeated for a fixed number of iterations.
"""

for it in range(update_iteration):
# For each Sample in replay buffer batch
state, next_state, action, reward, done = self.replay_buffer.sample(batch_size)
state = torch.FloatTensor(state).to(device)
action = torch.FloatTensor(action).to(device)
next_state = torch.FloatTensor(next_state).to(device)
done = torch.FloatTensor(1-done).to(device)
reward = torch.FloatTensor(reward).to(device)

# Compute the target Q value
target_Q = self.critic_target(next_state, self.actor_target(next_state))
target_Q = reward + (done * gamma * target_Q).detach()

# Get current Q estimate
current_Q = self.critic(state, action)

# Compute critic loss
critic_loss = F.mse_loss(current_Q, target_Q)

# Optimize the critic
self.critic_optimizer.zero_grad()
critic_loss.backward()
self.critic_optimizer.step()

# Compute actor loss as the negative mean Q value using the critic network and the actor network
actor_loss = -self.critic(state, self.actor(state)).mean()

# Optimize the actor
self.actor_optimizer.zero_grad()
actor_loss.backward()
self.actor_optimizer.step()


"""
Update the frozen target models using
soft updates, where
tau,a small fraction of the actor and critic network weights are transferred to their target counterparts.
"""
for param, target_param in zip(self.critic.parameters(), self.critic_target.parameters()):
target_param.data.copy_(tau * param.data + (1 - tau) * target_param.data)

for param, target_param in zip(self.actor.parameters(), self.actor_target.parameters()):
target_param.data.copy_(tau * param.data + (1 - tau) * target_param.data)


self.num_actor_update_iteration += 1
self.num_critic_update_iteration += 1
def save(self):
"""
Saves the state dictionaries of the actor and critic networks to files
"""
torch.save(self.actor.state_dict(), directory + 'actor.pth')
torch.save(self.critic.state_dict(), directory + 'critic.pth')

def load(self):
"""
Loads the state dictionaries of the actor and critic networks to files
"""
self.actor.load_state_dict(torch.load(directory + 'actor.pth'))
self.critic.load_state_dict(torch.load(directory + 'critic.pth'))

訓(xùn)練DDPG

這里我們使用 OpenAI Gym 的“MountainCarContinuous-v0”來(lái)訓(xùn)練我們的DDPG RL 模型,這里的環(huán)境提供連續(xù)的行動(dòng)和觀察空間,目標(biāo)是盡快讓小車(chē)到達(dá)山頂。

圖片

下面定義算法的各種參數(shù),例如最大訓(xùn)練次數(shù)、探索噪聲和記錄間隔等等。 使用固定的隨機(jī)種子可以使得過(guò)程能夠回溯。

import gym

# create the environment
env_name='MountainCarContinuous-v0'
env = gym.make(env_name)
device = 'cuda' if torch.cuda.is_available() else 'cpu'

# Define different parameters for training the agent
max_episode=100
max_time_steps=5000
ep_r = 0
total_step = 0
score_hist=[]
# for rensering the environmnet
render=True
render_interval=10
# for reproducibility
env.seed(0)
torch.manual_seed(0)
np.random.seed(0)
#Environment action ans states
state_dim = env.observation_space.shape[0]
action_dim = env.action_space.shape[0]
max_action = float(env.action_space.high[0])
min_Val = torch.tensor(1e-7).float().to(device)

# Exploration Noise
exploration_noise=0.1
exploration_noise=0.1 * max_action

創(chuàng)建DDPG代理類(lèi)的實(shí)例,以訓(xùn)練代理達(dá)到指定的次數(shù)。在每輪結(jié)束時(shí)調(diào)用代理的update()方法來(lái)更新參數(shù),并且在每十輪之后使用save()方法將代理的參數(shù)保存到一個(gè)文件中。

# Create a DDPG instance
agent = DDPG(state_dim, action_dim)

# Train the agent for max_episodes
for i in range(max_episode):
total_reward = 0
step =0
state = env.reset()
for t in range(max_time_steps):
action = agent.select_action(state)
# Add Gaussian noise to actions for exploration
action = (action + np.random.normal(0, 1, size=action_dim)).clip(-max_action, max_action)
#action += ou_noise.sample()
next_state, reward, done, info = env.step(action)
total_reward += reward
if render and i >= render_interval : env.render()
agent.replay_buffer.push((state, next_state, action, reward, np.float(done)))
state = next_state
if done:
break
step += 1

score_hist.append(total_reward)
total_step += step+1
print("Episode: \t{} Total Reward: \t{:0.2f}".format( i, total_reward))
agent.update()
if i % 10 == 0:
agent.save()
env.close()

測(cè)試DDPG

test_iteration=100

for i in range(test_iteration):
state = env.reset()
for t in count():
action = agent.select_action(state)
next_state, reward, done, info = env.step(np.float32(action))
ep_r += reward
print(reward)
env.render()
if done:
print("reward{}".format(reward))
print("Episode \t{}, the episode reward is \t{:0.2f}".format(i, ep_r))
ep_r = 0
env.render()
break
state = next_state

我們使用下面的參數(shù)讓模型收斂:

  • 從標(biāo)準(zhǔn)正態(tài)分布中采樣噪聲,而不是隨機(jī)采樣。
  • 將polyak常數(shù)(tau)從0.99更改為0.001
  • 修改Critic 網(wǎng)絡(luò)的隱藏層大小為[64,64]。在Critic 網(wǎng)絡(luò)的第二層之后刪除了ReLU激活。改成(Linear, ReLU, Linear, Linear)。
  • 最大緩沖區(qū)大小更改為1000000
  • 將batch_size的大小從128更改為64

訓(xùn)練了75輪之后的效果如下:

圖片

總結(jié)

DDPG算法是一種受deep Q-Network (DQN)算法啟發(fā)的無(wú)模型off-policy Actor-Critic算法。它結(jié)合了策略梯度方法和Q-learning的優(yōu)點(diǎn)來(lái)學(xué)習(xí)連續(xù)動(dòng)作空間的確定性策略。

與DQN類(lèi)似,它使用重播緩沖區(qū)存儲(chǔ)過(guò)去的經(jīng)驗(yàn)和目標(biāo)網(wǎng)絡(luò),用于訓(xùn)練網(wǎng)絡(luò),從而提高了訓(xùn)練過(guò)程的穩(wěn)定性。

DDPG算法需要仔細(xì)的超參數(shù)調(diào)優(yōu)以獲得最佳性能。超參數(shù)包括學(xué)習(xí)率、批大小、目標(biāo)網(wǎng)絡(luò)更新速率和探測(cè)噪聲參數(shù)。超參數(shù)的微小變化會(huì)對(duì)算法的性能產(chǎn)生重大影響。

責(zé)任編輯:華軒 來(lái)源: DeepHub IMBA
相關(guān)推薦

2020-08-10 06:36:21

強(qiáng)化學(xué)習(xí)代碼深度學(xué)習(xí)

2025-01-09 15:57:41

2023-05-10 15:53:19

2023-01-24 17:03:13

強(qiáng)化學(xué)習(xí)算法機(jī)器人人工智能

2019-09-29 10:42:02

人工智能機(jī)器學(xué)習(xí)技術(shù)

2025-03-11 01:00:00

GRPO算法模型

2024-01-26 08:31:49

2022-05-31 10:45:01

深度學(xué)習(xí)防御

2023-06-25 11:30:47

可視化

2025-05-08 09:16:00

模型強(qiáng)化學(xué)習(xí)訓(xùn)練

2025-01-03 11:46:31

2022-03-25 10:35:20

機(jī)器學(xué)習(xí)深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)

2023-03-09 08:00:00

強(qiáng)化學(xué)習(xí)機(jī)器學(xué)習(xí)圍棋

2020-11-12 19:31:41

強(qiáng)化學(xué)習(xí)人工智能機(jī)器學(xué)習(xí)

2019-08-12 08:43:53

GitHub代碼開(kāi)發(fā)者

2021-09-17 15:54:41

深度學(xué)習(xí)機(jī)器學(xué)習(xí)人工智能

2022-11-02 14:02:02

強(qiáng)化學(xué)習(xí)訓(xùn)練

2023-11-07 07:13:31

推薦系統(tǒng)多任務(wù)學(xué)習(xí)

2020-06-05 08:09:01

Python強(qiáng)化學(xué)習(xí)框架

2023-07-20 15:18:42

點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)

欧美 日韩 国产 高清| 成人av番号网| 波多野结衣av在线观看| 国产极品久久久久久久久波多结野| 中文字幕欧美日韩一区| 亚洲mm色国产网站| 波多野结衣国产| 欧美gayvideo| 亚洲国产精久久久久久 | 制服丝袜在线第一页| 新版的欧美在线视频| 国产精品国产三级国产有无不卡| 91久久偷偷做嫩草影院| 丰满少妇xoxoxo视频| 婷婷久久国产对白刺激五月99| 精品国产凹凸成av人导航| 97在线播放视频| 2021国产在线| 久久久精品欧美丰满| 亚洲永久免费观看| 国产免费一区二区三区四区五区| 欧美搞黄网站| 亚洲天堂成人在线| 丰满少妇xbxb毛片日本| 欧美xnxx| 精品久久久久久久中文字幕| 国产麻豆电影在线观看| 国产在线网站| 成人免费视频app| 国产免费一区二区三区香蕉精| 久久久久久久久久免费视频| 一本一道久久a久久精品蜜桃| 亚洲欧美日韩精品久久亚洲区 | 91玉足脚交嫩脚丫在线播放| 亚洲精品va| 在线观看欧美www| 日本xxxx裸体xxxx| 国产精品巨作av| 91精品在线免费观看| 四季av一区二区| 欧美xxxx视频| 亚洲人成精品久久久久久| 视频三区二区一区| 牛牛热在线视频| www.亚洲人| av资源一区二区| 国产jzjzjz丝袜老师水多| 免费的国产精品| 国产精品18久久久久久麻辣| 五月天婷婷导航| 亚洲欧美久久| 2023亚洲男人天堂| 日韩乱码在线观看| 国产深夜精品| 欧美一级视频一区二区| 亚欧洲精品在线视频| 韩日成人在线| 国内外成人免费激情在线视频| 九九免费精品视频| 黑人一区二区| 久久久久国色av免费观看性色| 国产极品国产极品| 女人色偷偷aa久久天堂| 九九热精品在线| 九九九免费视频| 精品91久久久久| 久久久久久美女| 日韩欧美激情视频| 亚洲一区日韩| 国产精品国产福利国产秒拍 | 正在播放一区二区| 26uuu国产| 激情视频极品美女日韩| 精品性高朝久久久久久久| 欧美特级黄色录像| 日本精品黄色| 欧美成人久久久| 精品一区免费观看| 鲁大师成人一区二区三区| 青青在线视频一区二区三区| 无码人妻久久一区二区三区| 蜜臀av一区二区三区| 国产一区私人高清影院| 亚洲av永久无码国产精品久久 | 在线看一级片| 午夜国产精品影院在线观看| 无码人妻丰满熟妇区毛片18| 韩日精品一区| 日韩精品一区二区三区中文精品 | 欧美激情自拍偷拍| 久久av秘一区二区三区| 91制片在线观看| 欧美系列日韩一区| aaaaaaaa毛片| 欧美日韩导航| 日韩有码片在线观看| 美女视频黄免费| 乱人伦精品视频在线观看| 91精品国产综合久久香蕉922| 亚洲av无码乱码国产精品| 久久精品亚洲一区二区三区浴池| 在线观看精品视频| аⅴ资源天堂资源库在线| 欧美色网站导航| 在线中文字日产幕| jizzjizz欧美69巨大| 欧美精品电影在线| 亚洲精品国产精品国自产网站按摩| 激情五月激情综合网| 麻豆av一区二区| 在线中文字幕-区二区三区四区| 欧美性生交xxxxx久久久| 欧美大片久久久| 伊人久久大香线蕉av不卡| 欧美成人h版在线观看| 成人欧美一区二区三区视频| 国产精品区免费视频| 大乳在线免费观看| 亚洲成av人片在线| 欧美一级xxxx| 夜夜躁狠狠躁日日躁2021日韩| 啊v视频在线一区二区三区| aaa人片在线| 成人av一区二区三区| 伊人婷婷久久| 欧美日韩在线精品一区二区三区激情综合 | 成人免费播放器| 99精品美女视频在线观看热舞| 亚洲欧美第一页| 国产午夜福利片| 国产成人在线色| 日韩 欧美 自拍| 日本一区免费网站| 精品在线欧美视频| 国产成人精品片| 成人网在线播放| www.xxx麻豆| 欧美成年网站| 久久成人综合视频| 一级特黄aaa大片| 国产精品久久久爽爽爽麻豆色哟哟| 国产欧美高清在线| 中文有码一区| 国产va免费精品高清在线观看| 亚洲日本中文字幕在线| 午夜欧美在线一二页| 亚洲午夜久久久久久久久| 欧美精品99| dy888夜精品国产专区| 岛国中文字幕在线| 日韩欧美一区二区久久婷婷| 国产日韩欧美在线观看视频| 九九九久久久精品| 超碰免费在线公开| 精品国产亚洲一区二区三区| xxxx性欧美| aaa一区二区三区| 一区二区三区欧美在线观看| 日本一二三四区视频| 国产真实久久| 国产中文一区二区| 综合久久2023| 最近2019年日本中文免费字幕| 一级全黄裸体免费视频| 亚洲人成小说网站色在线| 黑人性生活视频| 亚洲激情成人| 欧美精品人人做人人爱视频| 欧美男女交配| 精品国产一区二区在线| 99精品久久久久久中文字幕| 一区二区成人在线视频 | 成人高潮a毛片免费观看网站| 欧美俄罗斯乱妇| 色噜噜在线播放| 一本大道久久a久久精品综合| 一区二区三区伦理片| 蜜桃av噜噜一区| 熟女视频一区二区三区| www.神马久久| 国产精品电影网站| 在线观看av免费| 日韩高清av一区二区三区| 久久久久精彩视频| 一区二区三区中文在线| 亚洲精品女人久久久| 石原莉奈在线亚洲二区| 成人免费看片视频在线观看| 精品福利网址导航| 国产欧美精品xxxx另类| 日本色护士高潮视频在线观看| 日韩av中文字幕在线| 中文字幕人妻互换av久久| 伊人开心综合网| 亚洲AV无码国产成人久久| 韩国av一区二区三区在线观看| 美脚丝袜脚交一区二区| 欧美日韩国产免费观看视频| 成人午夜电影在线播放| 日本一区二区三区视频在线| 欧美夫妻性视频| bbbbbbbbbbb在线视频| 精品日韩99亚洲| 中文字幕+乱码+中文乱码www| 亚洲国产日韩一级| 精品视频第一页| 99久久免费视频.com| 欧美午夜精品理论片| 久久亚洲精品伦理| 97超碰人人澡| 欧美一区91| 亚洲国产成人不卡| 午夜欧洲一区| 国产美女精品在线观看| 久久久久久久久久久久电影| 国产成人精品综合| 理论不卡电影大全神| 九色成人免费视频| 午夜伦理在线| 欲色天天网综合久久| 色哟哟在线观看| 欧美精品一区二区三区很污很色的| 国产精品久久久久久久一区二区| 日本韩国精品在线| 亚洲欧美综合另类| 午夜精品国产更新| 国产一级av毛片| 亚洲精品一卡二卡| 一区二区三区四区五区| 国产精品免费丝袜| 男人的天堂官网| 国产亚洲精品超碰| 少妇毛片一区二区三区| 97精品久久久午夜一区二区三区 | 亚洲精品美女久久久久| 朝桐光av在线一区二区三区| 欧美午夜片在线观看| 波多野结衣大片| 欧美午夜无遮挡| 日本天堂网在线观看| 亚洲午夜精品在线| 久操免费在线视频| ...av二区三区久久精品| 搡老熟女老女人一区二区| 粉嫩一区二区三区性色av| 一区二区三区欧美精品| 蜜臀av性久久久久av蜜臀妖精| 青青草精品视频在线观看| 久久国产精品久久w女人spa| 霍思燕三级露全乳照| 亚洲国产专区校园欧美| 91网站在线观看免费| 欧美在线视屏| 男插女免费视频| 91九色精品| 天天爱天天做天天操| 欧洲杯足球赛直播| 日本精品视频一区| 精品国产日韩欧美| 欧美日韩一区二区三| 久久99精品久久久久久园产越南| 欧美日韩亚洲免费| 国产精品午夜一区二区三区| 欧美激情第一页在线观看| 九九在线精品| 日韩欧美一区二区视频在线播放| 国产亚洲第一伦理第一区| 亚洲精美视频| 亚洲91中文字幕无线码三区| 中文字幕日韩一区二区三区不卡| 欧美一区综合| 国产在线播放观看| 亚洲欧美成人| 韩国一区二区av| 精品制服美女丁香| 中文字幕乱妇无码av在线| 狠狠狠色丁香婷婷综合久久五月| 国产成人精品一区二区三区在线观看| 国产精品正在播放| 色综合久久五月| 国产精品午夜在线观看| 在线观看亚洲网站| 亚洲午夜在线观看视频在线| 波多野结衣啪啪| 欧美丰满嫩嫩电影| 亚洲第一天堂在线观看| 亚洲色图色老头| 欧美一区二区三区| 欧美成人在线免费| 成av人片在线观看www| 国产999精品久久久| 少妇精品视频在线观看| 国产精品区一区二区三含羞草| 鲁大师精品99久久久| 激情视频在线观看一区二区三区| 欧美一区二区麻豆红桃视频| www.-级毛片线天内射视视| 久久久久久免费视频| 欧美性久久久久| 国内久久精品视频| 国产麻豆剧传媒精品国产av| 国产精品久久一卡二卡| 国产亚洲精品久久777777| 欧美日韩中文在线| 精品国自产在线观看| 国产网站欧美日韩免费精品在线观看 | 国产三级精品三级观看| 亚洲一区二区精品视频| 91成人一区二区三区| 亚洲第一av网| 午夜激情视频在线观看| 欧美在线日韩在线| 久久久久久久久久久久电影| 欧美不卡三区| 在线视频精品| www.欧美激情.com| 久久人人超碰精品| 亚洲欧美在线视频免费| 538prom精品视频线放| 亚洲av成人无码网天堂| 欧美黄色片视频| 欧美高清xxx| 久草精品电影| 亚洲高清电影| 亚洲一区二区中文字幕在线观看| 久久综合久久综合久久综合| 国产精品23p| 5月丁香婷婷综合| 欧美巨乳在线| 91sa在线看| 999国产精品一区| 黄色三级中文字幕| 狠狠网亚洲精品| 亚洲精品国产精品国自产网站| 欧美性xxxxxxxxx| 日韩在线观看视频网站| 欧美成人在线免费| 一区二区网站| 男女激烈动态图| 日本va欧美va精品发布| 青青草视频成人| 午夜精品福利视频网站| 天堂v在线观看| 午夜精品久久久久久99热软件| 亚洲青青一区| 91九色国产ts另类人妖| 久久99久国产精品黄毛片色诱| 欧美 日韩 国产 成人 在线观看 | 不卡视频在线看| 久久久美女视频| 亚洲国产美女精品久久久久∴| 中文字幕资源网在线观看| 91情侣偷在线精品国产| 99久久精品费精品国产| 免费av不卡在线| 亚洲精品欧美激情| www.爱爱.com| 久久久精品欧美| 99精品国产高清一区二区麻豆| 一级黄色片播放| 波多野结衣91| 国产精品黄色网| 亚洲国语精品自产拍在线观看| 极品视频在线| 免费久久一级欧美特大黄| 精品999成人| 51妺嘿嘿午夜福利| 欧美日精品一区视频| а√中文在线8| 成人看片在线| 欧美一区高清| 好吊日免费视频| 欧美中文字幕不卡| 成人a在线视频免费观看| 99久久精品免费看国产四区 | 日韩视频中文字幕| 日本超碰一区二区| 成年人看的毛片| 国产欧美日韩视频一区二区| 中文在线字幕免费观| 久久国产精彩视频| 婷婷精品在线| 搡女人真爽免费午夜网站| 亚洲黄色免费网站| 亚洲 精品 综合 精品 自拍| 国产精品jvid在线观看蜜臀 | xvideos成人免费中文版| 深夜福利一区| 99热手机在线| 亚洲精品国产a久久久久久| 日本精品一区二区在线观看| 国产精品扒开腿爽爽爽视频| 91精品电影| 深田咏美中文字幕| 色国产综合视频| 欧美寡妇性猛交xxx免费| 欧美一区少妇| 国产乱码精品一品二品| 销魂美女一区二区| 色在人av网站天堂精品|