TensorFlow深度学习应用实践 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

王晓华 著

图书标签:

• TensorFlow
• 深度学习
• 机器学习
• 神经网络
• Python
• 计算机视觉
• 自然语言处理
• 模型部署
• 实践
• 案例

出版社： 清华大学出版社

ISBN：9787302487951

版次：1

商品编码：12263833

包装：平装

开本：16开

出版时间：2017-12-01

用纸：胶版纸

页数：458

字数：761000

产品特色

编辑推荐

适读人群 ：程序设计人员培训和自学用书

通过TensorFlow图像处理，全面掌握深度学习模型及应用
全面深入讲解反馈神经网络和卷积神经网络理论体系
结合深度学习实际案例的实现，掌握TensorFlow程序设计方法和技巧
着重深度学习实际应用程序开发能力和解决问题能力的培养

内容简介

《TensorFlow深度学习应用实践》总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow进行实际编程以解决图像处理相关问题的能力。《TensorFlow深度学习应用实践》力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。
《TensorFlow深度学习应用实践》共22章，内容包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络、反馈神经网络、全卷积神经网络的理论基础、深度学习模型的创建、模型的特性、算法、ResNet、Slim、GAN等。本书强调理论联系实际，重点介绍TensorFlow编程解决图像识别的应用，提供了大量数据集，并以代码的形式实现了深度学习模型，以供读者参考。
《TensorFlow深度学习应用实践》既可作为学习人工神经网络、深度学习、TensorFlow程序设计以及图像处理等相关内容的程序设计人员培训和自学用书，也可作为高等院校和培训机构相关专业的教材。

作者简介

王晓华，高校资深计算机专业讲师，给研究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立完成一项科研成果获省级成果认定，发表过多篇论文，申请有一项专利。著有《Spark MLlib机器学习实践》等图书。

目录

第1章 星星之火 1
1.1 计算机视觉与深度学习 1
1.1.1 人类视觉神经的启迪 2
1.1.2 计算机视觉的难点与人工神经网络 3
1.1.3 应用深度学习解决计算机视觉问题 4
1.2 计算机视觉学习的基础与研究方向 5
1.2.1 学习计算机视觉结构图 5
1.2.2 计算机视觉的学习方式和未来趋势 6
1.3 本章小结 7
第2章 Python的安装与使用 8
2.1 Python基本安装和用法 8
2.1.1 Anaconda的下载与安装 9
2.1.2 Python编译器PyCharm的安装 12
2.1.3 使用Python计算softmax函数 16
2.2 Python常用类库中的threading 17
2.2.1 threading库的使用 18
2.2.2 threading模块中最重要的Thread类 18
2.2.3 threading中的Lock类 19
2.2.4 threading中的join类 20
2.3 本章小结 21
第3章 深度学习的理论基础——机器学习 22
3.1 机器学习基本分类 22
3.1.1 基于学科的分类 22
3.1.2 基于学习模式的分类 23
3.1.3 基于应用领域的分类 23
3.2 机器学习基本算法 24
3.2.1 机器学习的算法流程 24
3.2.2 基本算法的分类 25
3.3 算法的理论基础 26
3.3.1 小学生的故事——求圆的面积 27
3.3.2 机器学习基础理论——函数逼近 27
3.4 回归算法 29
3.4.1 函数逼近经典算法——线性回归 29
3.4.2 线性回归的姐妹——逻辑回归 31
3.5 机器学习的其他算法——决策树 32
3.5.1 水晶球的秘密 32
3.5.2 决策树的算法基础——信息熵 33
3.5.3 决策树的算法基础——ID3算法 34
3.6 本章小结 35
第4章 Python类库的使用——数据处理及可视化展示 37
4.1 从小例子起步——NumPy的初步使用 37
4.1.1 数据的矩阵化 37
4.1.2 数据分析 39
4.1.3 基于统计分析的数据处理 40
4.2 图形化数据处理——Matplotlib包使用 41
4.2.1 差异的可视化 41
4.2.2 坐标图的展示 42
4.2.3 玩个大的 44
4.3 深度学习理论方法——相似度计算 46
4.3.1 基于欧几里得距离的相似度计算 46
4.3.2 基于余弦角度的相似度计算 47
4.3.3 欧几里得相似度与余弦相似度的比较 48
4.4 数据的统计学可视化展示 49
4.4.1 数据的四分位 49
4.4.2 数据的四分位示例 50
4.4.3 数据的标准化 53
4.4.4 数据的平行化处理 55
4.4.5 热点图——属性相关性检测 57
4.5 Python实战——某地降水的关系处理 58
4.5.1 不同年份的相同月份统计 58
4.5.2 不同月份之间的增减程度比较 59
4.5.3 每月降水不相关吗 60
4.6 本章小结 61
第5章 OpenCV的基础使用 62
5.1 OpenCV基本的图片读取 62
5.1.1 基本的图片存储格式 62
5.1.2 图像的读取与存储 64
5.1.3 图像的转换 65
5.1.4 使用NumPy模块对图像进行编辑 66
5.2 OpenCV的卷积核处理 68
5.2.1 计算机视觉的三种不同色彩空间 68
5.2.2 卷积核与图像特征提取 68
5.2.3 卷积核进阶 70
5.3 本章小结 72
第6章 OpenCV与TensorFlow的融合 73
6.1 图片的自由缩放以及边缘裁剪 73
6.1.1 图像的扩缩裁挖 73
6.1.2 图像色调的调整 74
6.1.3 图像的旋转、平移和翻转 76
6.2 使用OpenCV扩大图像数据库 77
6.2.1 图像的随机裁剪 77
6.2.2 图像的随机旋转变换 78
6.2.3 图像色彩的随机变换 79
6.2.4 对鼠标的监控 80
6.3 本章小结 81
第7章 Let’s play TensorFlow 82
7.1 TensorFlow游乐场 82
7.1.1 I want to play a game 82
7.1.2 TensorFlow游乐场背后的故事 86
7.1.3 如何训练神经网络 88
7.2 初识Hello TensorFlow 89
7.2.1 TensorFlow名称的解释 89
7.2.2 TensorFlow基本概念 89
7.2.3 TensorFlow基本架构 92
7.3 本章小结 93
第8章 Hello TensorFlow，从0到1 94
8.1 TensorFlow的安装 94
8.2 TensorFlow常量、变量和数据类型 96
8.3 TensorFlow矩阵计算 100
8.4 Hello TensorFlow 102
8.5 本章小结 107

前言/序言

推荐序

第一次见王晓华是他来我这里做培训，我正好路过门口，听见教室里笑声震天，就好奇地伸头进去看看。一个胖胖的男孩在给一群我们新招的工作人员做培训，好像是在讲代码方面的问题。可以看得出他讲得非常好，底下的听讲者都在抬着头认真听他讲课。要知道其中不乏有清华、北大的佼佼者，而他，却能够轻车熟路地引导他们的思路，驾驭整个课堂。
后来正式认识他也是机缘巧合，一位计算机专业的老同事问我有没有兴趣审阅一本云计算方面的书，当时云计算正好是IT热点，我也想乘此机会做一个了解，就欣然答应。因为我平常也做计算机方面的教学工作，对于教材好坏的敏感性是非常强烈的。有些书虽然署名是中国人，但是很多内容直接就是对外国教材的翻译，既然翻译就要做到“信达雅”，而往往连最基本的“信”都做不到，根本不适合初学者或者学生使用。因此当刚拿到这本书的初稿时，我也有疑虑——是不是又是一本翻译的书，他写的书我是不是能看懂。抱着这些疑虑，我翻开书稿的第一页，从前言开始，逐渐向我们展示了云计算编程中一个美丽而神秘的世界。全书使用浅显易懂的语句，对每个知识点进行重点分析，同时列举了大量的编程实例，向读者讲解每个类、每个语句的用法，还特别细心地对每条代码做出注释。其用心之严密，着实让人感叹。
后来我们正式见面于南京工业大学的怡园，那天我记得很清楚，外面细雨打着蕉叶，我品着绿茶慢慢地陷入沉思。一声“殷老师”将我从思索的世界拉回现实。面前站立着一个戴着眼镜，略微显得羞涩而紧张的男孩，从他那胖胖的身形，我依稀觉得在哪见过。“哦，你就是王晓华。”“嗯，是的，我是王晓华，谢谢您抽时间给我审稿。”他首先向我表示感谢。我突然感觉有点不好意思，因为其实我也不是太懂，部分是出于学习的目的审阅此书，而此时这个年轻人一口一个殷老师地叫着，谦虚得很。
此次见面，我们交谈甚欢，从云计算谈起，谈到了TensorFlow的开源，谈到了深度学习对商业领域产生的影响和其中蕴含的商机，又谈到了人工智能会对未来社会带来的变革。他一改初见我时青涩稚嫩的形象，侃侃而谈。可以看得出他是对这行真正用心去了解的人，不由得对他刮目相看，并萌生了为其作序的想法。这也就是这篇序的来历。
说了那么多，下面介绍一下这本书吧。首先这本书是介绍人工智能和深度学习的。可能不少人和曾经的我一样有很多疑问，许多以前必须由人工完成的任务，人工神经网络能否为我们代劳？很多人不相信，直至神经网络真的做到了这一点。
人工神经网络在各个领域逐步深入人类社会，基于卷积神经网络的图像描述可以给每幅图片打上独特的标签，借助于循环神经网络的语音识别将推动物联网革命，人工智能绝对是一场深刻的革命，确实在改变我们的生活。虽然我在此仅仅提及了图像、语音和行为三个方面，但是对于人工智能的机会来说远不止这三个方面，在自然语言处理、生物技术等方面，人工智能也有很多东西可以做，这些领域都有创新正在发生，人工智能也可以更多地被应用到机器人的开发中。
我觉得，这本书是写给有志于深度学习的人看的，书中不仅有TensorFlow程序设计的方法介绍，更多的是传递作者对深度学习和人工智能未来发展的思考。我希望这本书能够将更多的有志之士带到这一条通向未来的辉煌之路上来，从而造就更多的人才。
南京工业大学 殷芳

《Python数据科学实战》 书籍简介 在信息爆炸的时代，数据已经成为驱动社会进步和商业决策的核心力量。如何从海量数据中挖掘出有价值的洞察，并将其转化为可操作的策略，是每一个现代组织和从业者都必须掌握的关键能力。本书《Python数据科学实战》正是应运而生，旨在为广大读者提供一套系统、全面且极具实践性的数据科学学习路径。 本书聚焦于使用Python这一强大而灵活的编程语言，深入探索数据科学的各个关键环节，从数据的获取、清洗、预处理，到探索性数据分析（EDA）、数据可视化，再到构建和评估机器学习模型，最终实现数据驱动的决策。我们不追求理论上的繁复堆砌，而是强调将理论知识与实际应用相结合，通过大量真实世界的数据集和详细的代码示例，带领读者一步步走进数据科学的精彩世界。 目标读者 数据分析师和初级数据科学家： 希望系统学习Python数据科学工具，并能独立完成数据分析项目。 软件工程师： 想要将数据科学技能融入现有工作中，或转向数据驱动的开发领域。 商业分析师和市场研究人员： 需要更深入地理解数据，并运用数据科学方法解决业务问题。 对数据科学感兴趣的学生和自学者： 寻求一本既有深度又不失易读性的入门读物。 希望提升数据处理和分析能力的任何专业人士。 本书特色 1. 实战导向，拒绝空谈： 本书的核心理念是“学以致用”。我们精选了多个来自不同领域（如电商、金融、社交媒体、医疗等）的真实数据集，贯穿全书的讲解和案例分析。读者将有机会亲手处理这些数据，体验真实项目中可能遇到的各种挑战，并学习如何克服它们。 2. Python生态系统全面覆盖： 本书深入讲解了Python数据科学领域的几个核心库，包括： NumPy： 用于高效的数值计算，是数据科学的基础。 Pandas： 用于数据处理和分析，提供了强大的DataFrame对象，使得数据操作变得异常便捷。 Matplotlib与Seaborn： 用于数据可视化，帮助我们直观地理解数据规律和模型表现。 Scikit-learn： Python中最流行的机器学习库，提供了丰富的算法和工具，用于模型构建、评估和部署。 Statsmodels： 用于统计建模和假设检验，提供更深度的统计分析能力。 3. 循序渐进，结构清晰： 本书从最基础的数据处理概念开始，逐步深入到复杂的机器学习算法。每一章节都建立在前一章节的基础上，确保读者能够理解每个概念的来龙去脉。我们力求语言通俗易懂，即使是初学者也能快速上手。 4. 代码示例丰富详尽： 每一项技术或概念的讲解，都配有清晰、可运行的代码示例。读者可以复制代码进行练习，并通过修改参数、尝试不同方法来加深理解。所有代码均经过精心测试，确保其正确性和效率。 5. 强调数据清洗与预处理： 在真实的数据科学项目中，数据清洗和预处理通常占据了大部分的时间。本书花费了大量的篇幅来讲解如何处理缺失值、异常值、重复值，如何进行数据格式转换、特征工程等，帮助读者建立扎实的数据基础。 6. 深入浅出地讲解机器学习算法： 对于机器学习部分，我们不仅介绍了各种主流算法（如线性回归、逻辑回归、决策树、随机森林、支持向量机、K-Means聚类等）的基本原理，更重要的是展示了如何使用Scikit-learn库来实现它们，并重点讲解了模型评估、调参优化等关键环节，帮助读者理解“如何让模型真正可用”。 7. 数据可视化贯穿始终： 数据可视化是理解数据和传达结果的重要手段。本书将数据可视化技术贯穿于数据探索、模型诊断和结果展示的各个阶段，教导读者如何选择合适的图表来表达数据特征，如何通过可视化来发现模式、异常和趋势。 内容概览 第一部分：数据科学基础与Python工具 第一章：数据科学概览与Python环境搭建 什么是数据科学？它的应用场景和重要性。 Python在数据科学中的地位与优势。 Anaconda的安装与配置，Jupyter Notebook/Lab的使用。 Git与GitHub基础，版本控制的重要性。 第二章：NumPy核心操作 ndarray对象：创建、索引、切片、重塑。 数值计算：向量化操作、广播机制。 统计函数与数学函数。 实际应用：数组的合并、分割、排序。 第三章：Pandas数据处理与分析 Series和DataFrame：核心数据结构。 数据加载与存储（CSV, Excel, SQL等）。 数据选择与过滤：loc, iloc, 布尔索引。 数据清洗：处理缺失值（fillna, dropna）、重复值。 数据转换：数据类型转换、apply函数、map函数。 数据合并与连接：merge, join, concat。 分组与聚合：groupby, agg, transform。 时间序列数据处理。 第四章：数据可视化基础 Matplotlib入门：绘制基本图表（线图、散点图、柱状图、直方图）。 图表定制：标题、标签、图例、颜色、样式。 Seaborn的高级可视化：更美观、更强大的统计图表。 探索性数据分析（EDA）中的可视化应用：发现数据模式、关系和异常。 第二部分：机器学习理论与实践 第五章：机器学习导论 监督学习、无监督学习、半监督学习。 回归与分类问题。 模型评估指标：准确率、精确率、召回率、F1分数、AUC、MSE、RMSE等。 过拟合与欠拟合，偏差-方差权衡。 交叉验证。 第六章：监督学习——回归模型 线性回归：原理、实现（Scikit-learn）、评估。 多项式回归。 岭回归（Ridge）与Lasso回归：正则化。 决策树回归。 集成学习之随机森林回归。 第七章：监督学习——分类模型 逻辑回归：原理、实现、概率输出。 K近邻（KNN）分类。 支持向量机（SVM）：线性SVM、核函数SVM。 决策树分类。 集成学习之随机森林分类。 朴素贝叶斯。 第八章：无监督学习 聚类算法：K-Means聚类、DBSCAN。 降维算法：主成分分析（PCA）、t-SNE。 关联规则挖掘（Apriori算法简介）。 第九章：特征工程与模型选择 特征工程的重要性。 特征编码：独热编码、标签编码。 特征缩放：标准化、归一化。 特征选择方法：过滤法、包裹法、嵌入法。 模型选择与超参数调优：网格搜索、随机搜索。 管道（Pipeline）的使用，简化模型构建流程。 第三部分：进阶主题与实际应用 第十章：文本数据处理与分析 文本预处理：分词、去除停用词、词干提取/词形还原。 词袋模型（Bag-of-Words）。 TF-IDF（词频-逆文档频率）。 文本分类实战。 NLTK和SpaCy库简介。 第十一章：时间序列分析基础 时间序列数据的特点。 平稳性检验。 ARIMA模型简介。 使用Pandas进行时间序列分析。 第十二章：真实世界的数据科学项目实战 项目案例一：电商用户行为分析与推荐系统基础。 项目案例二：金融欺诈检测。 项目案例三：社交媒体情绪分析。 从数据获取到模型部署的完整流程梳理。 第十三章：数据科学的伦理与未来 数据隐私与安全。 算法的公平性与可解释性。 数据科学的职业发展与趋势。 学习本书，您将能够： 熟练运用Python进行数据处理、分析和可视化。 深刻理解各种主流机器学习算法的原理和适用场景。 独立完成从数据准备到模型构建、评估的全流程数据科学项目。 掌握处理真实世界复杂数据的方法和技巧。 提升解决实际问题的能力，将数据转化为商业价值。 为进一步深入学习深度学习等更高级的主题打下坚实基础。 《Python数据科学实战》不仅仅是一本书，更是一张通往数据科学世界的地图，一本实用的操作手册。无论您是初学者还是希望系统巩固技能的从业者，本书都将是您不可多得的良师益友。让我们一起，用Python解锁数据的无限可能！

评分☆☆☆☆☆

作为一名对前沿技术充满好奇心的技术爱好者，我一直密切关注着人工智能的发展。当我在书店看到《TensorFlow深度学习应用实践》这本书时，立刻被它厚重的体量和丰富的目录所吸引。这本书的内容包罗万象，从最基础的神经网络原理，到最前沿的深度学习模型，几乎涵盖了所有我感兴趣的领域。我花了整整一个周末来阅读这本书，期间我被书中精妙的算法设计和逻辑严密的论证所折服。作者在讲解一些比较抽象的概念时，善于运用类比和生动的比喻，让我能够轻松地理解其中的奥秘。例如，在解释注意力机制时，作者用“聚光灯”的比喻，让我瞬间明白了其核心思想。书中提供的代码示例，不仅覆盖了各种主流的模型，还包含了大量的超参数调优和模型评估的技巧，这些都是我自己在实践中常常遇到的难题。这本书让我看到了深度学习技术的无限可能，它不仅仅是理论的堆砌，更是解决实际问题的强大武器。阅读完这本书，我感觉自己的知识体系得到了极大的拓展，对深度学习的理解也达到了一个新的高度。

评分☆☆☆☆☆

对于我这样一位从事多年软件开发的资深工程师来说，转型人工智能领域是一个既兴奋又充满挑战的决定。《TensorFlow深度学习应用实践》的出现，无疑为我提供了一个绝佳的跳板。这本书的视角非常独特，它没有停留在对基础算法的机械讲解，而是更侧重于如何将TensorFlow这一强大的工具应用到实际的工程实践中。书中对于大规模数据集的处理、模型部署、性能优化等工程化的问题，都有着非常深入的探讨。我尤其赞赏书中关于模型监控、日志记录以及如何构建可复现的实验流程的讲解，这些都是在工业界项目中不可或缺的。作者在讲解每一个模型时，都会结合具体的业务场景，例如如何利用CNN解决图像分类问题，如何利用RNN处理序列数据，以及如何用Transformer构建智能问答系统等。这些贴近实际的案例，让我能够迅速理解深度学习在解决真实世界问题时的价值和潜力。更让我感到欣慰的是，书中的代码风格严谨，注释清晰，让我能够轻松地将其迁移到我自己的项目中。这本书让我深刻体会到，掌握一个强大的工具，并将其与实际业务紧密结合，是实现技术突破的关键。

评分☆☆☆☆☆

我一直认为，学习一门新的技术，最重要的一点就是能够将其与实践相结合。《TensorFlow深度学习应用实践》这本书正是做到了这一点。它不是一本枯燥的教材，而更像是一本实用的操作指南。书中每一个章节都以一个具体的应用场景为出发点，然后逐步深入讲解相关的深度学习模型和TensorFlow的实现方法。我特别喜欢书中关于“如何从零开始构建一个图像识别系统”的章节，作者从数据收集、预处理，到模型设计、训练、评估，再到最终的部署，每一个环节都讲解得非常细致，并且提供了完整的代码。这让我能够亲手实践，一步步地看到模型的构建和优化过程。此外，书中还涉及了一些比较高级的话题，比如迁移学习、生成对抗网络（GANs）等，这些都是我之前一直想了解但缺乏实践机会的内容。通过阅读这本书，我不仅掌握了TensorFlow的强大功能，更重要的是，我学会了如何将所学的知识应用于解决实际问题。它让我觉得，深度学习不再是遥不可及的理论，而是触手可及的强大工具。

评分☆☆☆☆☆

我是一名有着一定编程基础的在校大学生，一直想在人工智能方向有所建树。在寻找相关的学习资料时，市面上充斥着各种晦涩难懂的理论书籍，让我望而却步。偶然间，我接触到了《TensorFlow深度学习应用实践》，这本书立刻吸引了我。它的语言风格非常亲切，就像一位经验丰富的导师在手把手地教我一样。作者并没有一上来就灌输复杂的数学概念，而是从最基础的TensorFlow安装和环境配置讲起，让我很快就能搭建起自己的实验平台。书中对各种深度学习模型，如全连接网络、卷积神经网络、循环神经网络以及更高级的Transformer等，都进行了深入浅出的讲解，并且通过精心设计的代码示例，将理论知识转化为可执行的程序。我特别欣赏书中关于模型训练和优化的章节，它详细介绍了如何选择合适的损失函数、优化器，如何进行正则化、批量归一化等操作，这些都是实际项目中至关重要的环节。而且，书中还提供了不少关于数据预处理、特征工程的实用技巧，这对于提升模型性能非常有帮助。通过这本书的学习，我不仅掌握了TensorFlow的核心API，更重要的是，我学会了如何系统地思考和解决深度学习问题。它为我后续深入学习更复杂的模型和研究方向打下了坚实的基础。

评分☆☆☆☆☆

这本书简直是打开了我对人工智能领域的一扇新大门！我一直对深度学习充满好奇，但又担心技术门槛太高，迟迟不敢下手。直到我偶然间发现了《TensorFlow深度学习应用实践》，它用一种非常直观且循序渐进的方式，把我从一个完全的门外汉，一步步引导进了深度学习的奇妙世界。书中的概念解释清晰易懂，每一个公式、每一个算法的推导都伴随着详尽的图示和代码示例，让我能边学边练，理解得格外透彻。我尤其喜欢作者在讲解卷积神经网络（CNN）和循环神经网络（RNN）时的深度剖析，从基础的卷积层、池化层，到复杂的LSTM、GRU，都讲解得细致入微，而且书中提供的代码可以直接运行，调试方便，大大提升了我的学习效率。最让我惊喜的是，书中不仅介绍了理论知识，更将这些理论与实际应用紧密结合，通过大量的案例，让我看到了深度学习在图像识别、自然语言处理等领域的强大威力。阅读过程中，我仿佛与作者一同在代码的世界里探索，每一次成功运行的例子都给我带来了巨大的成就感。这本书的实用性远超我的预期，它不仅教会了我如何使用TensorFlow，更重要的是，它激发了我深入研究和应用深度学习技术的浓厚兴趣。

评分☆☆☆☆☆

公司工会为员工们谋福利，买的都是大家想看的书。京东的价格也比书店便宜很多，而且支付方式全面，付款前的保留期限也可以，就选择在京东买啦，而且送货就是快

评分☆☆☆☆☆

还不错的一本书，内容有一定的参考性。

评分☆☆☆☆☆

可作为小白入门资料，讲解简单明了，但部分内容未做深入阐述，按照书中一步一步操作，体会更深。

评分☆☆☆☆☆

凑单的时候买的，，质量还很好，还挺满意的！

评分☆☆☆☆☆

书还没看，只能说质量不错，看后再评论

评分☆☆☆☆☆

买来作为参考书，很好

评分☆☆☆☆☆

学生要买的书，已经收到，看目录很不错的样子。

评分☆☆☆☆☆

学生要买的书，已经收到，看目录很不错的样子。

评分☆☆☆☆☆

商品质量很好，很满意，配送速度快啊，而且配送员态度也非常好。