神级美容师沈美 (古天乐 饰) 是广受欢迎的美容节目主持，幕前中性温文的形象不过是讨好女人包装，骨子里仍是个粗鲁麻甩男人。一天，石油大王（黄百鸣 饰）女友Dream(闫妮 饰)上门找沈，高薪礼聘沈到她那全女班的化妆品公司担任总裁，首天上班看见一班问题女人，沈才知开心太早，後悔太迟，众女同事都不太合作，只有长期在各部门当临时工的简洁 (张柏芝 饰)愿意当他的助理。
午夜12点，在繁华都市的一个小角落，一家食堂才刚刚开始营业。这家深夜食堂的老板(小林薰 饰)虽然脸上带着伤疤，却是一个温情且厨艺精湛的男人。虽然小店里的菜谱很简单，但是只要是客人想吃的都可以点，所以小店备受底层小市民的喜爱。延续第一季的风格，深夜食堂里每晚都上演一个耐人寻味的故事，每个故事的主角都有自己钟爱的一款美食。特别值得一提，第一季曾出现的红色香肠再度登场，其中埋藏多年的往事随之揭晓，曾经的故人再度聚首，又展开了一个崭新的温情故事……
改编自法国气象学家克里斯提安穆莱克(Christian Moullec)领航野雁迁移真人实事。 柯斯提安毕生都在研究如何教失去父母的白额雁迁徙。他计画开着轻航机，一路从挪威到法国，指引雁鸟安全的迁徙路线，但计画补助却遭到巴黎博物馆的拒绝。到柯斯提安在郊外农舍度假的儿子托马，从一开始不适应，直到花了许多时间和雁鸟相处后，渐渐也培养了深厚情谊。某天在阴错阳差下，为了保护雁鸟不被迫害，托马擅自驾驶轻航机打算穿越北海带领雁鸟们迁徙。气候逐渐恶化，柯斯提安与母亲宝拉因担心托马的安危而紧追在后，这趟不凡的惊奇之旅最后能否让一家人完美团聚呢？
这一看之后，发现网络小说和武侠小说截然不同，但却同样精彩，感觉一个全新的天地就此打开。
《变形计 我的变形日记》是生活互换类节目《变形计》的个人单线版。将以每期主人公为主线，感受主人公在变形当中的点点滴滴。在本季节目中，三位城市少年和一位农村主人公，一起体验不同人生、感受对方世界的大小风云。
我要是先找到了那个夜香女，还立一大功呢。
在大型综合商社工作的职业女性志村荣利子，某日遇到了醉心于SNS日记的作者丸尾翔子，两人因没有同性朋友而迅速变得亲近，但两人的关系却朝着意想不到的方向发展。
司马二都输了，这次侠客文化找来的新人靠谱吗？这个海无量都从来没有听过。
从小就拥有杂技表演天赋的菲利普·帕特（约瑟夫·高登-莱维特 Joseph Gordon-Levitt 饰）在街头卖艺时，邂逅美丽的街头音乐女孩安妮（夏洛特·莱本 Charlotte Le Bon 饰）。偶然的机会，菲利普得知纽约世贸双子大厦即将竣工。从此，菲利普就萌生了在这两座摩天大厦间走钢索的的想法。然而这疯狂的“艺术犯罪”却遭到了一系列的质疑和误解，但这并没有击垮菲利普的坚定信念，他深入调查缜密部署，先后得到走钢丝经验丰富的鲁迪爸爸（本·金斯利 Ben Kingsley 饰）的执导，以及让-路易（克雷蒙·史鲍尼 Clement Sibony 饰）和杰夫（塞萨·多姆波伊 César Domboy 饰）等人的帮助。在110层412米的云中，菲利普开始了他的钢丝行走。
刘井儿也不错，不过在她眼里就比不上田遥了，她得好好想想。
到任后房似锦施展雷霆手段坚壁清野，对外辣手反击，对内冷血整肃。虽然在房似锦的铁血管理下众人苦不堪言，但是业绩的提升的确振奋了门店士气。房似锦的管理方式和处事之道与徐文昌截然相反，而业务员们也在两位“神仙”的较劲中左右为难。
1944年，中国抗日战争到了最危急的阶段，中美英亚洲战区联盟，将对侵略日军进行联合作战的绝地反击。美国飞虎队王牌飞行员卡恩上校身负联合反击绝密作战计划任务，不料情报泄露，卡恩上校的座机不幸被击落，为日军情报特工擒获，日军妄图从卡恩口中得到联合反击的绝密计划，形势十万火急。飞虎队精英、国民党战士、当地游击队接到命令一起协作营救卡恩。不同国籍，不同信仰的人为救卡恩走到了一起。然而同伴离奇死亡，日军的围攻，突然出现的国民党军官的妻子，谁是真正的间谍？由于卡恩身上藏着破解日本生死存亡的特大机密，日本派出特工欲将其带回仰光，而一个受雇于日本高层的杀手一路尾随暗杀卡恩，能否成功？与此同时，关押在监狱中的各路人马为救卡恩换取奖金走到了一起，越狱成功，未逃多远已为钱财起内讧。各色人马齐聚云南，最后能否救出卡恩……
Zhang Jie, born on December 20, 1982 in Chengdu, Sichuan, graduated from Sichuan Normal University, is a mainland pop male singer and founder of the music brand "Planet Culture".
便是将来不能个个都像玄武将军一样进入朝堂，然巾帼英豪，当更比一般女子明白大义事理。
由Ken和Toey主演,成熟帅气的咖啡园主和可爱迷糊的百变侦探的恋情~
In reality, we often encounter multi-classification learning tasks. Some two-classification learning methods can be directly extended to multi-classification, but in more cases, we use two-classification learners to solve multi-classification problems based on some basic strategies. Therefore, the fundamental method of multi-classification problem is still the two-classification problem.
Damage Caused = (Attack Board Attack Power * (1 + Janus 10% Attack Bonus) * Skill Rate + Skill Additional Damage-Defender Defense Power) * (1 + Equipment Damage Coefficient)
