日韩av黄I国产麻豆传媒I国产91av视频在线观看I日韩一区二区三区在线看I美女国产在线I麻豆视频国产在线观看I成人黄色短片

歡迎訪問(wèn) 生活随笔!

生活随笔

當(dāng)前位置: 首頁(yè) > 编程资源 > 编程问答 >内容正文

编程问答

Huggingface BERT源码详解:应用模型与训练优化

發(fā)布時(shí)間:2024/10/8 编程问答 50 豆豆
生活随笔 收集整理的這篇文章主要介紹了 Huggingface BERT源码详解:应用模型与训练优化 小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

?PaperWeekly 原創(chuàng) ·?作者|李濼秋

學(xué)校|浙江大學(xué)碩士生

研究方向|自然語(yǔ)言處理、知識(shí)圖譜

接上篇,記錄一下對(duì) HuggingFace 開源的 Transformers 項(xiàng)目代碼的理解。

本文基于 Transformers 版本 4.4.2(2021 年 3 月 19 日發(fā)布)項(xiàng)目中,pytorch 版的 BERT 相關(guān)代碼,從代碼結(jié)構(gòu)、具體實(shí)現(xiàn)與原理,以及使用的角度進(jìn)行分析,包含以下內(nèi)容:

1. BERT Tokenization 分詞模型(BertTokenizer)

2. BERT Model 本體模型(BertModel)

3.?1.?BertEmbeddings

? ? 2. BertEncoder

? ? 3.1.?BertLayer

? ? ? ? 2.1.?BertAttention

? ? ? ? ? ??2.1.?BertIntermediate

? ? ? ? ? ? ? ?2. BertOutput

? ? ? ? ? ? 3. BertEmbeddings

? ? ? ?? ? ?4. BertEncoder

? ? ? ? 3. BERT-based Models應(yīng)用模型

4. BertForPreTraining

5. 1. BertForSequenceClassification

? ? 2. BertForMultiChoice

? ? 3. BertForTokenClassification

? ? 4. BertForQuestionAnswering

? ? 5. BERT訓(xùn)練與優(yōu)化

6. BERT訓(xùn)練與優(yōu)化

7. 1. Pre-Training

? ? 2. Fine-Tuning

? ? 3. 1. AdamW

? ? ? ? 2.?Warmup

BERT-based Models

基于 BERT 的模型都寫在/models/bert/modeling_bert.py里面,包括 BERT 預(yù)訓(xùn)練模型和 BERT 分類模型,UML 圖如下:

BERT模型一圖流(建議保存后放大查看):

▲ 畫圖工具:Pyreverse

首先,以下所有的模型都是基于BertPreTrainedModel這一抽象基類的,而后者則基于一個(gè)更大的基類PreTrainedModel。這里我們關(guān)注BertPreTrainedModel的功能:

  • 用于初始化模型權(quán)重,同時(shí)維護(hù)繼承自PreTrainedModel的一些標(biāo)記身份或者加載模型時(shí)的類變量。

下面,首先從預(yù)訓(xùn)練模型開始分析。

3.1 BertForPreTraining

眾所周知,BERT 預(yù)訓(xùn)練任務(wù)包括兩個(gè):

  • Masked Language Model(MLM):在句子中隨機(jī)用[MASK]替換一部分單詞,然后將句子傳入 BERT 中編碼每一個(gè)單詞的信息,最終用[MASK]的編碼信息預(yù)測(cè)該位置的正確單詞,這一任務(wù)旨在訓(xùn)練模型根據(jù)上下文理解單詞的意思;

  • Next Sentence Prediction(NSP):將句子對(duì) A 和 B 輸入 BERT,使用[CLS]的編碼信息進(jìn)行預(yù)測(cè) B 是否 A 的下一句,這一任務(wù)旨在訓(xùn)練模型理解預(yù)測(cè)句子間的關(guān)系。

▲ 圖源網(wǎng)絡(luò)

而對(duì)應(yīng)到代碼中,這一融合兩個(gè)任務(wù)的模型就是BertForPreTraining,其中包含兩個(gè)組件:

class?BertForPreTraining(BertPreTrainedModel):def?__init__(self,?config):super().__init__(config)self.bert?=?BertModel(config)self.cls?=?BertPreTrainingHeads(config)self.init_weights()#?...

這里的BertModel在上一篇文章中已經(jīng)詳細(xì)介紹了(注意,這里設(shè)置的是默認(rèn)add_pooling_layer=True,即會(huì)提取[CLS]對(duì)應(yīng)的輸出用于 NSP 任務(wù)),而BertPreTrainingHeads則是負(fù)責(zé)兩個(gè)任務(wù)的預(yù)測(cè)模塊:

class?BertPreTrainingHeads(nn.Module):def?__init__(self,?config):super().__init__()self.predictions?=?BertLMPredictionHead(config)self.seq_relationship?=?nn.Linear(config.hidden_size,?2)def?forward(self,?sequence_output,?pooled_output):prediction_scores?=?self.predictions(sequence_output)seq_relationship_score?=?self.seq_relationship(pooled_output)return?prediction_scores,?seq_relationship_score?

又是一層封裝:BertPreTrainingHeads包裹了BertLMPredictionHead 和一個(gè)代表 NSP 任務(wù)的線性層。這里不把 NSP 對(duì)應(yīng)的任務(wù)也封裝一個(gè)BertXXXPredictionHead,估計(jì)是因?yàn)樗?jiǎn)單了,沒有必要……

補(bǔ)充:其實(shí)是有封裝這個(gè)類的,不過(guò)它叫做BertOnlyNSPHead,在這里用不上……

繼續(xù)下探BertPreTrainingHeads :

class?BertLMPredictionHead(nn.Module):def?__init__(self,?config):super().__init__()self.transform?=?BertPredictionHeadTransform(config)#?The?output?weights?are?the?same?as?the?input?embeddings,?but?there?is#?an?output-only?bias?for?each?token.self.decoder?=?nn.Linear(config.hidden_size,?config.vocab_size,?bias=False)self.bias?=?nn.Parameter(torch.zeros(config.vocab_size))#?Need?a?link?between?the?two?variables?so?that?the?bias?is?correctly?resized?with?`resize_token_embeddings`self.decoder.bias?=?self.biasdef?forward(self,?hidden_states):hidden_states?=?self.transform(hidden_states)hidden_states?=?self.decoder(hidden_states)return?hidden_states

這個(gè)類用于預(yù)測(cè)[MASK]位置的輸出在每個(gè)詞作為類別的分類輸出,注意到:

  • 該類重新初始化了一個(gè)全 0 向量作為預(yù)測(cè)權(quán)重的 bias;

  • 該類的輸出形狀為[batch_size, seq_length, vocab_size],即預(yù)測(cè)每個(gè)句子每個(gè)詞是什么類別的概率值(注意這里沒有做 softmax);

  • 又一個(gè)封裝的類:BertPredictionHeadTransform,用來(lái)完成一些線性變換:

class?BertPredictionHeadTransform(nn.Module):def?__init__(self,?config):super().__init__()self.dense?=?nn.Linear(config.hidden_size,?config.hidden_size)if?isinstance(config.hidden_act,?str):self.transform_act_fn?=?ACT2FN[config.hidden_act]else:self.transform_act_fn?=?config.hidden_actself.LayerNorm?=?nn.LayerNorm(config.hidden_size,?eps=config.layer_norm_eps)def?forward(self,?hidden_states):hidden_states?=?self.dense(hidden_states)hidden_states?=?self.transform_act_fn(hidden_states)hidden_states?=?self.LayerNorm(hidden_states)return?hidden_states

補(bǔ)充:感覺這一層去掉也行?輸出的形狀也沒有發(fā)生變化。我個(gè)人的理解是和 Pooling 那里做一個(gè)對(duì)稱的操作,同樣過(guò)一層 dense 再接分類器……

回到BertForPreTraining,繼續(xù)看兩塊 loss 是怎么處理的。它的前向傳播和BertModel的有所不同,多了labels和next_sentence_label 兩個(gè)輸入:

  • labels:形狀為[batch_size, seq_length] ,代表 MLM 任務(wù)的標(biāo)簽,注意這里對(duì)于原本未被遮蓋的詞設(shè)置為 -100,被遮蓋詞才會(huì)有它們對(duì)應(yīng)的 id,和任務(wù)設(shè)置是反過(guò)來(lái)的

    • 例如,原始句子是I want to [MASK] an apple,這里我把單詞eat給遮住了輸入模型,對(duì)應(yīng)的label設(shè)置為[-100, -100, -100, 【eat對(duì)應(yīng)的id】, -100, -100];

    • 為什么要設(shè)置為 -100 而不是其他數(shù)?因?yàn)閠orch.nn.CrossEntropyLoss默認(rèn)的ignore_index=-100,也就是說(shuō)對(duì)于標(biāo)簽為 100 的類別輸入不會(huì)計(jì)算 loss。

  • next_sentence_label:這一個(gè)輸入很簡(jiǎn)單,就是 0 和 1 的二分類標(biāo)簽。

?#?...def?forward(self,input_ids=None,attention_mask=None,token_type_ids=None,position_ids=None,head_mask=None,inputs_embeds=None,labels=None,next_sentence_label=None,output_attentions=None,output_hidden_states=None,return_dict=None,):?...

OK,接下來(lái)兩部分 loss 的組合:

???#?...total_loss?=?Noneif?labels?is?not?None?and?next_sentence_label?is?not?None:loss_fct?=?CrossEntropyLoss()masked_lm_loss?=?loss_fct(prediction_scores.view(-1,?self.config.vocab_size),?labels.view(-1))next_sentence_loss?=?loss_fct(seq_relationship_score.view(-1,?2),?next_sentence_label.view(-1))total_loss?=?masked_lm_loss?+?next_sentence_loss#?...

直接相加,就是這么單純的策略。

當(dāng)然,這份代碼里面也包含了對(duì)于只想對(duì)單個(gè)目標(biāo)進(jìn)行預(yù)訓(xùn)練的 BERT 模型(具體細(xì)節(jié)不作展開):

  • BertForMaskedLM:只進(jìn)行 MLM 任務(wù)的預(yù)訓(xùn)練;

    • 基于BertOnlyMLMHead,而后者也是對(duì)BertLMPredictionHead的另一層封裝;

  • BertLMHeadModel:這個(gè)和上一個(gè)的區(qū)別在于,這一模型是作為 decoder 運(yùn)行的版本;

    • 同樣基于BertOnlyMLMHead;

  • BertForNextSentencePrediction:只進(jìn)行 NSP 任務(wù)的預(yù)訓(xùn)練。

    • 基于BertOnlyNSPHead,內(nèi)容就是一個(gè)線性層……

接下來(lái)介紹的是各種 Fine-tune 模型,基本都是分類任務(wù):

▲ 圖源:原始BERT論文附錄

3.2 BertForSequenceClassification

這一模型用于句子分類(也可以是回歸)任務(wù),比如 GLUE benchmark 的各個(gè)任務(wù)。

  • 句子分類的輸入為句子(對(duì)),輸出為單個(gè)分類標(biāo)簽。

結(jié)構(gòu)上很簡(jiǎn)單,就是BertModel(有 pooling)過(guò)一個(gè) dropout 后接一個(gè)線性層輸出分類:

?class?BertForSequenceClassification(BertPreTrainedModel):def?__init__(self,?config):super().__init__(config)self.num_labels?=?config.num_labelsself.bert?=?BertModel(config)self.dropout?=?nn.Dropout(config.hidden_dropout_prob)self.classifier?=?nn.Linear(config.hidden_size,?config.num_labels)self.init_weights()#?...

在前向傳播時(shí),和上面預(yù)訓(xùn)練模型一樣需要傳入labels輸入。

  • 如果初始化的num_labels=1,那么就默認(rèn)為回歸任務(wù),使用 MSELoss;

  • 否則認(rèn)為是分類任務(wù)。

3.3 BertForMultipleChoice

這一模型用于多項(xiàng)選擇,如 RocStories/SWAG 任務(wù)。

  • 多項(xiàng)選擇任務(wù)的輸入為一組分次輸入的句子,輸出為選擇某一句子的單個(gè)標(biāo)簽。

結(jié)構(gòu)上與句子分類相似,只不過(guò)線性層輸出維度為 1,即每次需要將每個(gè)樣本的多個(gè)句子的輸出拼接起來(lái)作為每個(gè)樣本的預(yù)測(cè)分?jǐn)?shù)。

  • 實(shí)際上,具體操作時(shí)是把每個(gè) batch 的多個(gè)句子一同放入的,所以一次處理的輸入為[batch_size, num_choices]數(shù)量的句子,因此相同 batch 大小時(shí),比句子分類等任務(wù)需要更多的顯存,在訓(xùn)練時(shí)需要小心。

3.4 BertForTokenClassification

這一模型用于序列標(biāo)注(詞分類),如 NER 任務(wù)。

  • 序列標(biāo)注任務(wù)的輸入為單個(gè)句子文本,輸出為每個(gè) token 對(duì)應(yīng)的類別標(biāo)簽。

由于需要用到每個(gè) token對(duì)應(yīng)的輸出而不只是某幾個(gè),所以這里的BertModel不用加入 pooling 層;

  • 同時(shí),這里將_keys_to_ignore_on_load_unexpected這一個(gè)類參數(shù)設(shè)置為[r"pooler"],也就是在加載模型時(shí)對(duì)于出現(xiàn)不需要的權(quán)重不發(fā)生報(bào)錯(cuò)。

3.5 BertForQuestionAnswering

這一模型用于解決問(wèn)答任務(wù),例如 SQuAD 任務(wù)。

  • 問(wèn)答任務(wù)的輸入為問(wèn)題 +(對(duì)于 BERT 只能是一個(gè))回答組成的句子對(duì),輸出為起始位置和結(jié)束位置用于標(biāo)出回答中的具體文本。

這里需要兩個(gè)輸出,即對(duì)起始位置的預(yù)測(cè)和對(duì)結(jié)束位置的預(yù)測(cè),兩個(gè)輸出的長(zhǎng)度都和句子長(zhǎng)度一樣,從其中挑出最大的預(yù)測(cè)值對(duì)應(yīng)的下標(biāo)作為預(yù)測(cè)的位置。

  • 對(duì)超出句子長(zhǎng)度的非法 label,會(huì)將其壓縮(torch.clamp_)到合理范圍。

作為一個(gè)遲到的補(bǔ)充,這里稍微介紹一下ModelOutput這個(gè)類。它作為上述各個(gè)模型輸出包裝的基類,同時(shí)支持字典式的存取和下標(biāo)順序的訪問(wèn),繼承自python原生的OrderedDict 類。

以上就是關(guān)于 BERT 源碼的介紹,下面介紹一些關(guān)于 BERT 模型實(shí)用的訓(xùn)練細(xì)節(jié)。

BERT訓(xùn)練和優(yōu)化

4.1 Pre-Training

預(yù)訓(xùn)練階段,除了眾所周知的 15%、80% mask 比例,有一個(gè)值得注意的地方就是參數(shù)共享。

不止 BERT,所有 huggingface 實(shí)現(xiàn)的 PLM 的 word embedding 和 masked language model 的預(yù)測(cè)權(quán)重在初始化過(guò)程中都是共享的:

class?PreTrainedModel(nn.Module,?ModuleUtilsMixin,?GenerationMixin):#?...def?tie_weights(self):"""Tie?the?weights?between?the?input?embeddings?and?the?output?embeddings.If?the?:obj:`torchscript`?flag?is?set?in?the?configuration,?can't?handle?parameter?sharing?so?we?are?cloningthe?weights?instead."""output_embeddings?=?self.get_output_embeddings()if?output_embeddings?is?not?None?and?self.config.tie_word_embeddings:self._tie_or_clone_weights(output_embeddings,?self.get_input_embeddings())if?self.config.is_encoder_decoder?and?self.config.tie_encoder_decoder:if?hasattr(self,?self.base_model_prefix):self?=?getattr(self,?self.base_model_prefix)self._tie_encoder_decoder_weights(self.encoder,?self.decoder,?self.base_model_prefix)#?...

至于為什么,應(yīng)該是因?yàn)?word_embedding 和 prediction 權(quán)重太大了,以 bert-base 為例,其尺寸為(30522, 768),降低訓(xùn)練難度。

4.2 Fine-Tuning

微調(diào)也就是下游任務(wù)階段,也有兩個(gè)值得注意的地方。

4.2.1 AdamW

首先介紹一下 BERT 的優(yōu)化器:AdamW(AdamWeightDecayOptimizer)。

這一優(yōu)化器來(lái)自 ICLR 2017 的 Best Paper:《Fixing Weight Decay Regularization in Adam》中提出的一種用于修復(fù) Adam 的權(quán)重衰減錯(cuò)誤的新方法。論文指出,L2 正則化和權(quán)重衰減在大部分情況下并不等價(jià),只在 SGD 優(yōu)化的情況下是等價(jià)的;而大多數(shù)框架中對(duì)于 Adam+L2 正則使用的是權(quán)重衰減的方式,兩者不能混為一談。

AdamW 是在 Adam+L2 正則化的基礎(chǔ)上進(jìn)行改進(jìn)的算法,與一般的 Adam+L2 的區(qū)別如下:

關(guān)于 AdamW 的分析可以參考:

  • AdamW and Super-convergence is now the fastest way to train neural nets [1]

  • paperplanet:都 9102 年了,別再用 Adam + L2 regularization了 [2]

  • ICLR 2018 有什么值得關(guān)注的亮點(diǎn)?[3]

話說(shuō),《STABLE WEIGHT DECAY REGULARIZATION》這篇好像吐槽AdamW 的 Weight Decay 實(shí)現(xiàn)還是有問(wèn)題…… 有空整整優(yōu)化器相關(guān)的內(nèi)容。

通常,我們會(huì)選擇模型的 weight 部分參與 decay 過(guò)程,而另一部分(包括 LayerNorm 的 weight)不參與(代碼最初來(lái)源應(yīng)該是 Huggingface 的示例):

補(bǔ)充:關(guān)于這么做的理由,我暫時(shí)沒有找到合理的解答,但是找到了一些相關(guān)的討論:https://forums.fast.ai/t/is-weight-decay-applied-to-the-bias-term/73212/4forums.fast.ai


#?model:?a?Bert-based-model?object#?learning_rate:?default?2e-5?for?text?classificationparam_optimizer?=?list(model.named_parameters())no_decay?=?['bias',?'LayerNorm.bias',?'LayerNorm.weight']optimizer_grouped_parameters?=?[{'params':?[p?for?n,?p?in?param_optimizer?if?not?any(nd?in?n?for?nd?in?no_decay)],?'weight_decay':?0.01},{'params':?[p?for?n,?p?in?param_optimizer?if?any(nd?in?n?for?nd?in?no_decay)],?'weight_decay':?0.0}]optimizer?=?AdamW(optimizer_grouped_parameters,lr=learning_rate)#?...

4.2.2 Warmup

BERT 的訓(xùn)練中另一個(gè)特點(diǎn)在于 Warmup,其含義為:

  • 在訓(xùn)練初期使用較小的學(xué)習(xí)率(從 0 開始),在一定步數(shù)(比如 1000 步)內(nèi)逐漸提高到正常大小(比如上面的 2e-5),避免模型過(guò)早進(jìn)入局部最優(yōu)而過(guò)擬合;

  • 在訓(xùn)練后期再慢慢將學(xué)習(xí)率降低到 0,避免后期訓(xùn)練還出現(xiàn)較大的參數(shù)變化。

在 Huggingface 的實(shí)現(xiàn)中,可以使用多種 warmup 策略:

TYPE_TO_SCHEDULER_FUNCTION?=?{SchedulerType.LINEAR:?get_linear_schedule_with_warmup,SchedulerType.COSINE:?get_cosine_schedule_with_warmup,SchedulerType.COSINE_WITH_RESTARTS:?get_cosine_with_hard_restarts_schedule_with_warmup,SchedulerType.POLYNOMIAL:?get_polynomial_decay_schedule_with_warmup,SchedulerType.CONSTANT:?get_constant_schedule,SchedulerType.CONSTANT_WITH_WARMUP:?get_constant_schedule_with_warmup, }

具體而言:

  • CONSTANT:保持固定學(xué)習(xí)率不變;

  • CONSTANT_WITH_WARMUP:在每一個(gè) step 中線性調(diào)整學(xué)習(xí)率;

  • LINEAR:上文提到的兩段式調(diào)整;

  • COSINE:和兩段式調(diào)整類似,只不過(guò)采用的是三角函數(shù)式的曲線調(diào)整;

  • COSINE_WITH_RESTARTS:訓(xùn)練中將上面 COSINE 的調(diào)整重復(fù) n 次;

  • POLYNOMIAL:按指數(shù)曲線進(jìn)行兩段式調(diào)整。

具體使用參考transformers/optimization.py:

  • 最常用的還是get_linear_scheduler_with_warmup即線性兩段式調(diào)整學(xué)習(xí)率的方案……

def?get_scheduler(name:?Union[str,?SchedulerType],optimizer:?Optimizer,num_warmup_steps:?Optional[int]?=?None,num_training_steps:?Optional[int]?=?None, ):?...

以上即為關(guān)于 transformers 庫(kù)(4.4.2 版本)中 BERT 相關(guān)代碼的具體實(shí)現(xiàn)分析,歡迎與讀者共同交流探討。

參考文獻(xiàn)

[1] https://www.fast.ai/2018/07/02/adam-weight-decay/

[2] https://zhuanlan.zhihu.com/p/63982470

[3] https://www.zhihu.com/question/67335251/answer/262989932

特別鳴謝

感謝 TCCI 天橋腦科學(xué)研究院對(duì)于 PaperWeekly 的支持。TCCI 關(guān)注大腦探知、大腦功能和大腦健康。

更多閱讀

#投 稿?通 道#

?讓你的文字被更多人看到?

如何才能讓更多的優(yōu)質(zhì)內(nèi)容以更短路徑到達(dá)讀者群體,縮短讀者尋找優(yōu)質(zhì)內(nèi)容的成本呢?答案就是:你不認(rèn)識(shí)的人。

總有一些你不認(rèn)識(shí)的人,知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁,促使不同背景、不同方向的學(xué)者和學(xué)術(shù)靈感相互碰撞,迸發(fā)出更多的可能性。?

PaperWeekly 鼓勵(lì)高校實(shí)驗(yàn)室或個(gè)人,在我們的平臺(tái)上分享各類優(yōu)質(zhì)內(nèi)容,可以是最新論文解讀,也可以是學(xué)術(shù)熱點(diǎn)剖析科研心得競(jìng)賽經(jīng)驗(yàn)講解等。我們的目的只有一個(gè),讓知識(shí)真正流動(dòng)起來(lái)。

?????稿件基本要求:

? 文章確系個(gè)人原創(chuàng)作品,未曾在公開渠道發(fā)表,如為其他平臺(tái)已發(fā)表或待發(fā)表的文章,請(qǐng)明確標(biāo)注?

? 稿件建議以?markdown?格式撰寫,文中配圖以附件形式發(fā)送,要求圖片清晰,無(wú)版權(quán)問(wèn)題

? PaperWeekly 尊重原作者署名權(quán),并將為每篇被采納的原創(chuàng)首發(fā)稿件,提供業(yè)內(nèi)具有競(jìng)爭(zhēng)力稿酬,具體依據(jù)文章閱讀量和文章質(zhì)量階梯制結(jié)算

?????投稿通道:

? 投稿郵箱:hr@paperweekly.site?

? 來(lái)稿請(qǐng)備注即時(shí)聯(lián)系方式(微信),以便我們?cè)诟寮x用的第一時(shí)間聯(lián)系作者

? 您也可以直接添加小編微信(pwbot02)快速投稿,備注:姓名-投稿

△長(zhǎng)按添加PaperWeekly小編

????

現(xiàn)在,在「知乎」也能找到我們了

進(jìn)入知乎首頁(yè)搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個(gè)推薦、解讀、討論、報(bào)道人工智能前沿論文成果的學(xué)術(shù)平臺(tái)。如果你研究或從事 AI 領(lǐng)域,歡迎在公眾號(hào)后臺(tái)點(diǎn)擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的Huggingface BERT源码详解:应用模型与训练优化的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò),歡迎將生活随笔推薦給好友。

欧美综合久久久 | 日韩大片在线免费观看 | 久草网视频 | 久久国产精品网站 | 免费高清看电视网站 | 中文字幕日韩一区二区三区不卡 | 热九九精品 | 欧美精品一级视频 | 黄色三级免费 | 亚州国产精品视频 | 日韩在线国产精品 | 日韩一区二区三区在线观看 | av免费线看 | 中文字幕精品www乱入免费视频 | 国产一级在线视频 | 深夜福利视频一区二区 | 久久久午夜视频 | 亚洲欧美成人综合 | 在线观看视频免费播放 | 视频在线91 | 麻豆视频免费网站 | 久久亚洲综合国产精品99麻豆的功能介绍 | 美女国内精品自产拍在线播放 | 国产白浆视频 | 天天天天综合 | 日韩欧美区 | 夜添久久精品亚洲国产精品 | 免费a v网站 | 91丨九色丨蝌蚪丨对白 | 九色91福利 | 九九视频免费观看视频精品 | 在线天堂中文www视软件 | 正在播放国产一区 | 亚洲最新av在线网站 | 国产精品18久久久久久vr | 国产成人精品国内自产拍免费看 | 国产精品一区二区果冻传媒 | 国产又粗又猛又爽 | 欧美精品乱码久久久久久按摩 | 精品一区电影 | 免费网站色 | 日韩电影在线观看一区 | 国产精品高清av | 成人教育av | 国产一区成人在线 | 最新中文字幕视频 | 麻豆精品在线 | 97成人在线免费视频 | 波多野结衣一区二区 | 国偷自产中文字幕亚洲手机在线 | 国产精品免费久久久久久久久久中文 | 久草在线免费在线观看 | 最新中文字幕在线播放 | www蜜桃视频 | 黄色软件在线看 | 日日操日日操 | 偷拍区另类综合在线 | 波多野结衣动态图 | 午夜av电影 | 狠狠干网 | 中文字幕久久网 | 伊香蕉大综综综合久久啪 | 免费成人结看片 | 色狠狠干| 婷婷六月天在线 | 天天操天天曰 | 国产精品一区二区白浆 | 又长又大又黑又粗欧美 | 456成人精品影院 | 久久精品久久99精品久久 | 国语久久 | 亚洲国产精品成人va在线观看 | 日韩免费大片 | 欧美一区二区精品在线 | 成人av在线一区二区 | 热久久视久久精品18亚洲精品 | 久久草在线视频国产 | 免费日韩一区二区三区 | 亚洲国产黄色 | 亚洲精品裸体 | 亚洲四虎影院 | 免费三级网 | 色综合天天在线 | 精品国内自产拍在线观看视频 | 操高跟美女 | 99国产高清 | 麻豆国产露脸在线观看 | 日本久久久久久 | 91天堂素人约啪 | 黄色一级大片在线免费看产 | 亚洲天堂网在线播放 | 人人看97| 亚洲精品视频免费 | 国产亚洲视频在线免费观看 | 国产在线免费观看 | av中文字幕在线看 | a√资源在线 | 久草视频手机在线 | 黄色精品久久久 | 日韩欧美网站 | 久章操| 一区二区激情视频 | av黄色一级片 | 99久久婷婷国产精品综合 | 久久艹艹 | 黄污视频网站大全 | 99精品成人| 亚洲精品毛片一级91精品 | 亚洲精品乱码久久久久久蜜桃不爽 | 久草电影免费在线观看 | 天天干天天操天天操 | 伊人天天狠天天添日日拍 | 久久精品看 | 国产在线自 | av综合av | 国产1区2区 | 人人射人人射 | 国产一区二三区好的 | 亚洲精品视频在线播放 | 99成人免费视频 | 97人人模人人爽人人喊网 | 久久综合精品国产一区二区三区 | 国产亚洲欧美在线视频 | 特黄特黄的视频 | 美女精品久久久 | 一区二区三区视频 | 欧美欧美| 国产香蕉视频 | 福利视频午夜 | 欧美国产高清 | 一级黄毛片 | 国际精品久久久久 | 国产精品久久久久久高潮 | 中文字幕在线国产 | 国产综合片 | 日韩欧美在线观看一区二区 | 在线观看成人福利 | 国产精品久久久久一区二区国产 | 2024国产精品视频 | 久久99国产精品免费网站 | 国产免费小视频 | 欧美va天堂在线电影 | 久久伦理网 | 国产精品综合久久久久久 | 在线观看中文字幕亚洲 | 色视频网站在线观看一=区 a视频免费在线观看 | 91丨九色丨蝌蚪丨老版 | 99在线精品视频在线观看 | 亚洲国产精品成人av | av高清免费 | 亚洲动漫在线观看 | 国产一区在线不卡 | 99视频在线| 久久久久亚洲精品成人网小说 | 国内视频一区二区 | 久久久久福利视频 | 日本不卡一区二区三区在线观看 | 狠狠干成人综合网 | 一区中文字幕 | 亚洲国产中文在线 | 91亚洲国产成人 | www.久久91 | 亚洲精品久久久久久久蜜桃 | 日韩精品在线观看视频 | 久草在线官网 | japanesexxxhd奶水 国产一区二区在线免费观看 | 97精品国自产拍在线观看 | 亚洲天堂网站视频 | 四虎影视av | 国产精品一区二区在线 | 天天爽人人爽夜夜爽 | 欧美一区二区三区激情视频 | 欧美成人xxxx | 麻豆视频在线免费 | 国产在线观看免费 | 一区二区三区韩国免费中文网站 | 久草免费电影 | 欧美日韩免费观看一区二区三区 | 久久人人艹 | 亚洲做受高潮欧美裸体 | 日日碰夜夜爽 | 亚洲视频网站在线观看 | 99久久久国产精品免费99 | 天天操天天色天天射 | 天天曰天天爽 | 99久久99久国产黄毛片 | 看v片| 久久精品在线免费观看 | 亚洲激情中文 | 国内精品久久久久国产 | 在线久草视频 | 日韩在线观看电影 | 亚洲最大成人免费网站 | 亚洲最大激情中文字幕 | 看国产黄色片 | 人人搞人人爽 | 在线蜜桃视频 | 中文字幕一区二区三区乱码不卡 | 色婷婷综合在线 | 精品欧美在线视频 | 久久不射电影院 | 干av在线| 久久久一本精品99久久精品66 | 久久99这里只有精品 | 亚洲午夜久久久影院 | 天天干夜夜爱 | 视频在线一区二区三区 | 日韩精品一区在线播放 | 一级黄色大片 | 激情综合中文娱乐网 | 精品久久国产一区 | 久久免费久久 | 国产免费小视频 | 欧洲不卡av| 成人小视频在线观看免费 | 91av视频播放 | 国产免费亚洲高清 | 成人性生爱a∨ | 国产超碰97 | 99在线热播精品免费 | 日韩免费在线视频观看 | 中文字幕麻豆 | 久久人人97超碰com | 中文字幕视频 | 99爱精品视频 | 国产免费二区 | 国产亚洲精品成人 | 天天玩夜夜操 | av超碰免费在线 | av先锋影音少妇 | 精品国产免费看 | 在线观看av免费 | 91激情视频在线播放 | 日韩在线免费视频 | 国产视频久久久 | 免费观看mv大片高清 | 国产资源网 | 伊人精品影院 | 在线va网站 | 国产欧美在线一区 | 国产精品激情在线观看 | 色综合久久久久综合体桃花网 | 国产精品久久久久一区二区国产 | 国产成人精品综合久久久久99 | 夜夜操狠狠干 | 亚洲欧美在线视频免费 | 午夜精品久久久久 | 97人人模人人爽人人少妇 | 国产男女免费完整视频 | 国产精品成人一区二区三区吃奶 | 国产欧美日韩一区 | 久久夜色精品国产欧美一区麻豆 | 国产高清视频在线播放 | 色婷婷国产精品 | a黄色片在线观看 | 国产视频中文字幕在线观看 | 国产精品一区在线观看你懂的 | 麻豆高清免费国产一区 | 久久精品国产一区 | 久久成人精品视频 | 美女网站在线播放 | 久久激情综合 | 国产视频日韩视频欧美视频 | 国产美女精品久久久 | av在线电影免费观看 | 国产免费又爽又刺激在线观看 | 亚洲成aⅴ人在线观看 | 国产精品手机在线播放 | 99热这里有| 午夜精品影院 | 成人九九视频 | 国产一级视频在线观看 | 免费a网| www久久久 | 中文字幕成人 | 亚洲成人av片在线观看 | 激情婷婷网 | 成人av资源网 | 一区二区三区免费在线 | 九九爱免费视频在线观看 | 国产韩国日本高清视频 | 国产精品中文在线 | 色婷婷激婷婷情综天天 | 色婷av| 99视频在线看 | 久久久久亚洲a | 国产精品久久久久一区二区三区共 | 黄色毛片在线观看 | 亚洲精品国产精品乱码不99热 | 国产毛片久久 | 国产原创中文在线 | 色香蕉网 | 亚洲情感电影大片 | 久久久观看 | 2021久久| 天天综合网入口 | 亚洲精欧美一区二区精品 | 在线亚洲成人 | 亚洲国产视频在线 | 午夜精品99久久免费 | 久久精品这里都是精品 | 日韩久久精品一区二区三区 | www久久国产 | 亚洲国产精久久久久久久 | 欧美日韩国产网站 | 国产一区二区在线免费观看 | 久久精品99北条麻妃 | 香蕉视频在线免费 | 国产一区二区精 | 欧美日韩色婷婷 | 久久综合婷婷综合 | 国产精品九九久久久久久久 | 中文字幕在线视频一区二区三区 | 96精品视频 | 色狠狠干| 久久婷婷国产色一区二区三区 | 999抗病毒口服液 | 久久99影院| 成人亚洲精品久久久久 | 国内精品久久久久影院男同志 | 日韩视频一区二区 | 国产在线观看91 | 91黄色小网站 | 国产手机在线观看视频 | 国产精品日韩在线 | 国产精品国产三级国产不产一地 | 久久综合色8888 | 中文字幕电影网 | 六月激情婷婷 | 国产精品va在线 | 一区二区三区免费播放 | 最新中文字幕在线资源 | 超碰在线免费97 | 国产欧美日韩视频 | 午夜国产福利在线 | 久久欧美综合 | www色com | 国产黄在线看 | 亚洲国产精久久久久久久 | 欧美黑人性猛交 | 国产在线观看一 | 国产精品原创av片国产免费 | 久久久av免费 | 欧洲精品久久久久毛片完整版 | 国产一在线精品一区在线观看 | 在线观看 亚洲 | 欧美精品一区二区在线观看 | 国产高清视频在线播放一区 | 亚洲精品免费在线视频 | 国产精品久久久久久久久蜜臀 | 97在线精品| 波多野结衣视频一区 | 91九色成人蝌蚪首页 | 精品久久国产 | 欧美污污视频 | 欧美性直播 | 欧美十八 | 狠狠狠狠狠狠操 | 国产a高清 | 亚洲精品男人天堂 | 国产精品手机在线观看 | 高清在线一区 | 免费在线一区二区三区 | 久草.com | 精品国产99国产精品 | 国产乱码精品一区二区三区介绍 | 久久精品一二三区 | 日韩久久精品一区二区三区下载 | 天天干天天色2020 | 国产精品久久久久久99 | 麻豆播放 | 狠狠躁夜夜躁人人爽超碰97香蕉 | 日韩在线观看影院 | 日韩91精品 | 国产精品久久久久久久久蜜臀 | www好男人| 中文字幕日韩免费视频 | 国产精品婷婷午夜在线观看 | 一二三区av | 婷婷 综合 色 | 日韩高清片 | 国产精品精品国产婷婷这里av | 亚洲久在线 | 99视频在线观看视频 | 伊人婷婷网 | 激情av在线资源 | 精品免费国产一区二区三区四区 | 国模视频一区二区三区 | 久久99精品国产99久久6尤 | 国产手机在线视频 | 日韩三级视频在线观看 | 九九九热| 国产精品 美女 | 99免费在线观看视频 | av不卡免费看 | 福利视频一区二区 | 久久69精品| 国产精品短视频 | 超碰在线免费福利 | 在线观看视频国产一区 | 久久久伦理 | 亚洲美女免费视频 | 国产美女免费视频 | av免费看在线 | 国产精品h在线观看 | 91香蕉视频污在线 | 成人黄色在线视频 | jizz欧美性9| 久久理论影院 | 人人爽久久久噜噜噜电影 | 国产天天爽 | 日韩免费看 | 丁香久久五月 | www久久久久| 在线视频福利 | 国产精品不卡在线 | 久99久在线 | 久久ww| 九九久久久久久久久激情 | 欧美另类老妇 | 亚洲成a人片77777潘金莲 | 久久久国产精品电影 | 久久精品艹| 久久这里只有精品久久 | 国产免费视频一区二区裸体 | 丁香六月综合网 | 久久久这里有精品 | 久久综合九色综合欧美狠狠 | 亚洲综合干 | 久草在线在线精品观看 | 欧美日韩国产一区二区三区在线观看 | 国产成人一区二区三区 | 久久久久国产精品免费免费搜索 | 国产午夜在线 | 中文字幕日韩在线播放 | 国内久久看 | 国产护士hd高朝护士1 | 国产精品美女久久久久久久 | 五月婷网站 | 二区视频在线观看 | 热久久精品在线 | 亚洲资源片| 天天干天天搞天天射 | 91九色精品国产 | 黄色软件网站在线观看 | 深夜免费福利 | 在线播放亚洲激情 | 亚洲精品国偷拍自产在线观看蜜桃 | 成人av一二三区 | 国产成人精品日本亚洲999 | 久草在线免费新视频 | 久久精品美女视频 | 亚洲va欧美va | www.国产精品 | 天天天色综合a | 国产视频欧美视频 | 色婷婷九月 | 日韩免费高清在线 | 精品一区二区视频 | 超碰国产在线观看 | 婷婷中文字幕 | 久99久精品 | 蜜桃视频成人在线观看 | 成人av久久 | 九九热精品在线 | 在线电影中文字幕 | 日韩精品观看 | 99九九免费视频 | 欧美成人在线免费 | 黄色99视频| 欧美成人精品欧美一级乱 | 国产精品网在线观看 | 91日韩在线视频 | 亚州精品成人 | 亚洲成人精品久久久 | 亚洲一区网 | ,午夜性刺激免费看视频 | 亚洲午夜av电影 | 黄色三级av | 毛片视频网址 | 国产日产精品久久久久快鸭 | 国产精品网站一区二区三区 | 久久高清免费视频 | 久久免费黄色 | 国产精品岛国久久久久久久久红粉 | 99热这里只有精品1 av中文字幕日韩 | 日韩网站视频 | 日本在线观看中文字幕无线观看 | 欧美男女爱爱视频 | 99国产成+人+综合+亚洲 欧美 | 91精品一区二区三区蜜臀 | 国产成人精品在线观看 | av免费线看| 欧美亚洲一区二区在线 | 91日韩在线专区 | 中文字幕日韩精品有码视频 | 午夜精品电影一区二区在线 | 狠狠干成人综合网 | 国产小视频免费在线网址 | 日韩精品中文字幕在线 | 韩日电影在线观看 | 色在线视频 | 久久国产a | 国产香蕉久久精品综合网 | 91热精品| 久久久www成人免费毛片 | av五月婷婷 | 精品一区二区综合 | 国产成人久久久77777 | 成人h动漫精品一区二 | 精品一区二区三区香蕉蜜桃 | 国产123区在线观看 国产精品麻豆91 | 中文字幕刺激在线 | 日韩在线观看av | 免费av影视 | 国产 精品 资源 | 99久久精品一区二区成人 | 国产黄在线免费观看 | 久久久久久久av麻豆果冻 | 日韩成人在线免费观看 | 亚洲一区在线看 | 色综合天天综合网国产成人网 | 毛片网免费 | 日韩精品中文字幕在线不卡尤物 | 97成人精品视频在线播放 | 亚洲一区二区精品视频 | 九九视频在线观看视频6 | 黄色一区二区在线观看 | 久久97超碰 | 在线之家免费在线观看电影 | 成人免费在线播放视频 | 色播六月天 | 一区二区视频电影在线观看 | 一本大道久久精品懂色aⅴ 五月婷社区 | 欧美激情精品久久久久久免费印度 | 韩国av免费在线 | 午夜视频在线观看一区二区三区 | 婷婷色网视频在线播放 | 天天操天天舔天天干 | 中文字幕婷婷 | 日韩一区二区免费播放 | 欧美日韩国产亚洲乱码字幕 | av九九九| 日本不卡一区二区 | 久久激情小视频 | 国产精品高清在线观看 | 西西444www大胆高清视频 | 97精品国产97久久久久久 | 超碰人人超 | 精品影院一区二区久久久 | 成人动漫一区二区 | 国产午夜麻豆影院在线观看 | 在线播放日韩 | 亚洲黄色在线播放 | 免费福利在线视频 | 日韩99热 | 国产资源精品在线观看 | 久久久久看片 | 91欧美视频网站 | 久久综合之合合综合久久 | 成人欧美一区二区三区黑人麻豆 | 在线免费试看 | 久久视频免费在线 | 日韩在线视频在线观看 | 人人干网站| 婷婷色网站 | 一级性生活片 | 久久97久久97精品免视看 | 最新日本中文字幕 | 国产精品美女免费看 | 麻豆网站免费观看 | 国产精品一区久久久久 | 欧美孕妇与黑人孕交 | 国产片免费在线观看视频 | 又爽又黄又无遮挡网站动态图 | 天天天干天天射天天天操 | 日韩午夜大片 | 91网址在线观看 | 国产精品久久久免费看 | 西西444www | 欧美精品一区二区在线观看 | 成人资源网 | 亚洲激情网站免费观看 | wwwwww国产 | 欧洲亚洲女同hd | 中文字幕日韩一区二区三区不卡 | 在线免费观看国产 | 国产麻豆剧传媒免费观看 | 久久99视频免费观看 | 四虎5151久久欧美毛片 | 狂野欧美激情性xxxx | 中文字幕中文字幕中文字幕 | 97电影院在线观看 | 91爱爱免费观看 | 黄色在线观看污 | 日本中文字幕观看 | 免费看精品久久片 | 狠狠干狠狠插 | 国产亚洲精品福利 | 2023av| 黄色网中文字幕 | 国产裸体视频网站 | 91视频在线国产 | a在线免费观看视频 | 国产小视频在线免费观看 | 日韩中文三级 | 国产午夜精品一区二区三区嫩草 | 亚洲精品视频免费观看 | 精品在线观看一区二区 | 久久视精品 | 日日久视频 | 国内精品久久久久影院一蜜桃 | 天天操夜操 | 日韩一级片大全 | 欧美日韩免费网站 | 超碰精品在线观看 | jizz999 | 国产九色视频在线观看 | 看片的网址 | 视频福利在线观看 | 九九久久精品视频 | 97国产大学生情侣酒店的特点 | 亚洲丁香久久久 | 99久久精| 免费看污在线观看 | 精品国产一区二区三区不卡 | 伊人超碰在线 | 免费a v在线 | 日韩在线电影一区 | 国产视频一区二区三区在线 | 少妇性bbb搡bbb爽爽爽欧美 | 国产99久久九九精品 | 中文免费| 免费视频资源 | 国产小视频在线免费观看视频 | 黄色午夜网站 | 高清av中文在线字幕观看1 | 干av在线 | 日本久久免费电影 | 蜜臀精品久久久久久蜜臀 | 国产精品久久久久久久婷婷 | 欧美一区二区三区免费看 | 久草在线中文888 | 色综合久久88 | 五月天婷亚洲天综合网鲁鲁鲁 | 欧美日韩亚洲在线观看 | 最近的中文字幕大全免费版 | 亚洲精品国产精品国自 | 黄色国产在线观看 | 精品久久久免费 | 天天色中文 | 国产精品一区免费在线观看 | 国产精品久久一卡二卡 | 久久综合色8888 | 一区 二区电影免费在线观看 | 91自拍成人 | 国产精品亚洲片在线播放 | 成人四虎影院 | 国产精品久久久久久久久久白浆 | 亚洲午夜久久久久久久久电影网 | 婷婷精品国产一区二区三区日韩 | 中文字幕日韩电影 | 天堂麻豆| 又黄又爽又刺激的视频 | 美女网站黄在线观看 | 国产流白浆高潮在线观看 | 成人丝袜| 中文字幕影片免费在线观看 | 国产精品成人免费一区久久羞羞 | 国产视频不卡一区 | 国产精品久久一区二区三区不卡 | 久草电影在线观看 | 91九色精品女同系列 | 久久免费视频一区 | 日韩一区二区免费在线观看 | 丁香在线观看完整电影视频 | 麻豆免费在线视频 | 黄视频网站大全 | 精品国产aⅴ麻豆 | 香蕉影院在线观看 | 久久婷婷一区二区三区 | 亚洲欧美国产精品18p | 久久精品国产免费看久久精品 | 99久久网站 | 99中文在线 | 亚洲国产99 | 国产麻豆果冻传媒在线观看 | 91久久国产露脸精品国产闺蜜 | 精品二区视频 | 国产精品99久久久久的智能播放 | 911国产| 中文字幕免费高清在线观看 | 色婷婷激情四射 | 欧美日韩视频一区二区三区 | 久久久久久久久毛片精品 | 亚洲综合国产精品 | 成人黄视频 | 成人av资源 | 日韩精品视频免费专区在线播放 | 麻豆视频免费入口 | 黄在线| av中文在线 | 国内精品中文字幕 | 狠狠躁夜夜躁人人爽超碰97香蕉 | 99久久99久国产黄毛片 | 西西44人体做爰大胆视频 | 国产一级做a爱片久久毛片a | 亚洲专区在线播放 | 国内精品久久久久久久影视麻豆 | 亚洲乱码一区 | 色综合天天视频在线观看 | 午夜视频免费在线观看 | 欧美日韩二区三区 | 免费看高清毛片 | 2019中文字幕网站 | 亚洲成人网av | 日韩高清国产精品 | 免费大片黄在线 | 欧美亚洲国产一卡 | 激情在线免费视频 | 91视频在线观看下载 | 日韩视频免费看 | 午夜精品一区二区三区在线观看 | 极品久久久 | 97品白浆高清久久久久久 | 97超碰色偷偷 | 国产精久久久久久妇女av | 国色天香av | 国产黄色特级片 | 日韩精品最新在线观看 | 久久久久免费精品视频 | 丁香五月缴情综合网 | 中文字幕亚洲欧美日韩 | 婷婷免费在线视频 | 国产99久久久国产 | 国产精品成人免费一区久久羞羞 | 免费在线观看中文字幕 | 欧美日韩在线精品一区二区 | 天天天天天天操 | 久久久久久久久影视 | 欧美不卡在线 | 女女av在线 | 国产日韩精品一区二区 | 99热免费在线 | 国产精品久久久久久久久久 | 天天射综合 | 欧美一级免费黄色片 | 美女网站在线 | 国产精品theporn | 丰满少妇久久久 | 日韩中文字幕亚洲一区二区va在线 | 国产 视频 久久 | 日韩精品 在线视频 | 成人一区不卡 | 中文字幕在线播出 | 亚洲黄色在线观看 | 日韩在线观看av | 婷婷丁香视频 | 国产一级特黄电影 | 色婷婷精品大在线视频 | 五月精品 | 日本久久久精品视频 | 国产成人av一区二区三区在线观看 | 精品国产亚洲在线 | 久久视频这里有精品 | 免费观看午夜视频 | 午夜精品电影 | 色婷婷色| 国产亚洲欧美在线视频 | 99麻豆视频 | 最新精品视频在线 | 日韩高清三区 | 在线观看免费成人 | 99久久精品免费看 | bbbb操bbbb | 热久久视久久精品18亚洲精品 | 国产破处精品 | 玖玖综合网 | 狠狠狠狠狠狠天天爱 | 日韩网站在线播放 | 精品国产一区二区三区av性色 | 麻豆果冻剧传媒在线播放 | 少妇激情久久 | 日日碰狠狠躁久久躁综合网 | 狠狠干在线播放 | 欧美另类tv | 日韩电影黄色 | 欧美精品久久人人躁人人爽 | 国产精品久久久久久久久软件 | 91 中文字幕| 黄网站app在线观看免费视频 | 国产区第一页 | 日韩精品一二三 | 亚洲国产日韩一区 | 韩国精品在线观看 | 欧美色一色 | 亚洲v欧美v国产v在线观看 | 亚洲成人影音 | 青青河边草免费直播 | 欧美视频不卡 | 久久看片网站 | 久久夜色精品国产欧美乱 | 99精品欧美一区二区三区黑人哦 | 可以免费观看的av片 | 久久不卡av | 91中文字幕在线 | 欧美九九九 | 免费在线观看视频一区 | 亚洲高清久久久 | 91视频 - x99av| 亚洲精品成人av在线 | 亚洲aaa级 | 黄色在线网站噜噜噜 | 国产精品网址在线观看 | 国产日产高清dvd碟片 | 国产美女被啪进深处喷白浆视频 | 日韩大片在线播放 | 精品久久一区 | 久久麻豆精品 | 97超碰在线视 | 麻豆视频91 | 久久五月情影视 | 四虎影视成人精品国库在线观看 | 激情视频免费在线 | 久久精品国产精品亚洲 | 免费看的黄色网 | 在线观看日韩视频 | 特级西西www44高清大胆图片 | 国产午夜精品理论片在线 | 狠狠色丁香婷婷综合久久片 | 成人一级电影在线观看 | av福利免费 | 色婷婷成人网 | 国产一区电影在线观看 | av片子在线观看 | 天海冀一区二区三区 | 男女啪啪免费网站 | 国产一区二区三区久久久 | 成人黄色电影在线播放 | 99re8这里有精品热视频免费 | 人人草在线观看 | 波多野结衣日韩 | 在线观看国产一区二区 | 日韩激情视频在线观看 | 成人免费观看大片 | 亚洲专区中文字幕 | 国产精品女同一区二区三区久久夜 | 日日操日日干 | 久草在线费播放视频 | 91原创在线观看 | 日韩高清成人 | 欧美成人xxxx| aaawww| 国产精品久久久久久影院 | 91精品视频免费在线观看 | 狠狠干五月天 | 久艹在线观看视频 | 韩日视频在线 | 国产美女在线精品免费观看 | 夜夜嗨av色一区二区不卡 | 久久免费看片 | 亚洲精品日韩在线观看 | 天天干天天搞天天射 | 美女网站免费福利视频 | 狠狠色丁香久久婷婷综 | 韩国一区二区在线观看 | 天天干天天看 | 伊人首页| 中文国产成人精品久久一 | av天天色 | 六月丁香婷婷网 | 成人黄色小说网 | 超碰九九 | 狠狠操狠狠干天天操 | 日日躁夜夜躁aaaaxxxx | 夜夜操网站 | 亚洲精品久久久久中文字幕m男 | 成人av中文字幕在线观看 | 97精品超碰一区二区三区 | 欧美日韩在线观看视频 | 精品人妖videos欧美人妖 | www.婷婷色| 91看片黄色| 天天爱天天色 | 天天艹天天 | 免费视频久久久久 | 日b黄色片| 成人一级 | 亚洲激情综合 | 久久精品欧美一 | 精品少妇一区二区三区在线 | 亚洲综合在线观看视频 | 欧美与欧洲交xxxx免费观看 | 国内毛片毛片 | 五月天综合网站 | 国产区在线看 | 国产无区一区二区三麻豆 | 成人在线网站观看 | 久久乱码卡一卡2卡三卡四 五月婷婷久 | 久久久久久久电影 | 欧美污污网站 | 日韩精品免费在线播放 | 日韩久久久久久久久久 | 亚洲精品欧美专区 | 成 人 黄 色 免费播放 | 国产日韩欧美在线 | 国产毛片久久久 | 亚洲国产精品成人综合 | 日韩中文字幕a | 96国产在线 | 国产亚洲精品久久久久久网站 | 欧美一级片在线免费观看 | 亚洲黄色免费在线看 | 国产91丝袜在线播放动漫 | 91国内在线 | 久草免费在线视频观看 | 国产美女精品视频 | 97超碰免费 | 成人精品国产 | 色噜噜在线观看视频 | 午夜精品一区二区三区视频免费看 | 亚洲精品黄 | 国产一区视频免费在线观看 | 日韩高清av | 日本精品视频在线播放 | 亚洲尺码电影av久久 | 久久www免费人成看片高清 | 91精品国产自产91精品 | 91色综合 | 久久国产二区 | 伊人宗合网 | 国产欧美精品一区aⅴ影院 99视频国产精品免费观看 | 中文字幕文字幕一区二区 | 午夜10000| 日韩精品中文字幕在线观看 | 午夜精品一区二区三区在线观看 | 有码一区二区三区 | 欧美疯狂性受xxxxx另类 | 久久大香线蕉app | 日韩av高清在线观看 | 久久99网 | 91在线播放视频 | 午夜精品福利一区二区三区蜜桃 | av一级二级 | 日女人电影 | 天天射天天射天天射 | 午夜久久久久久久 | 永久免费精品视频网站 | 成全在线视频免费观看 | 狠狠色噜噜狠狠狠狠2022 | 91麻豆网站| 亚洲精品国产精品乱码在线观看 | 国产成人一区二区三区影院在线 | 婷婷五月情 | 97精品一区二区三区 | 日本在线观看中文字幕无线观看 | 91中文在线观看 | 丁香六月中文字幕 | 亚洲一区视频免费观看 | 国产精品福利一区 | 婷婷久月| 天天操天天操天天操天天操天天操天天操 | 免费精品在线视频 | 亚洲精品在线观看的 | 久久精品久久精品久久39 | 在线观看免费高清视频大全追剧 | 一级黄色在线视频 | 亚洲天堂va| 日韩精品一区在线观看 | 91在线一区二区 | 国产精品视频你懂的 | 日韩精品在线视频免费观看 | 99精品久久久久 | 98超碰人人 | 亚洲伦理一区二区 | 久久九九国产视频 | 在线视频中文字幕一区 | 亚洲精品免费在线播放 | 日韩精品三区四区 | 99这里只有精品视频 | 婷婷久草 | 91片网| 久久久久久久亚洲精品 | 成年人精品 | 免费看黄在线 | 成人一区二区三区在线观看 | 久久好看免费视频 | 国产美女无遮挡永久免费 | 国产手机av | 久久久亚洲精华液 | 精品久久久久一区二区国产 | 日韩高清在线一区二区 | 国产成人黄色av | 999久久久久久久久 69av视频在线观看 | 国产精品ⅴa有声小说 | 成人午夜精品久久久久久久3d | 精品久久久久久久久久久院品网 | 国产一区二区不卡视频 |