Ⅰ 人工神經網路概念梳理與實例演示
人工神經網路概念梳理與實例演示
神經網路是一種模仿生物神經元的機器學習模型，數據從輸入層進入並流經激活閾值的多個節點。
遞歸性神經網路一種能夠對之前輸入數據進行內部存儲記憶的神經網路，所以他們能夠學習到數據流中的時間依賴結構。
如今機器學習已經被應用到很多的產品中去了，例如，siri、Google Now等智能助手，推薦引擎——亞馬遜網站用於推薦商品的推薦引擎，Google和Facebook使用的廣告排名系統。最近，深度學習的一些進步將機器學習帶入公眾視野：AlphaGo 打敗圍棋大師李世石事件以及一些圖片識別和機器翻譯等新產品的出現。
在這部分中，我們將介紹一些強大並被普遍使用的機器學習技術。這當然包括一些深度學習以及一些滿足現代業務需求傳統方法。讀完這一系列的文章之後，你就掌握了必要的知識，便可以將具體的機器學習實驗應用到你所在的領域當中。
隨著深層神經網路的精度的提高，語音和圖像識別技術的應用吸引了大眾的注意力，關於AI和深度學習的研究也變得更加普遍了。但是怎麼能夠讓它進一步擴大影響力，更受歡迎仍然是一個問題。這篇文章的主要內容是：簡述前饋神經網路和遞歸神經網路、怎樣搭建一個遞歸神經網路對時間系列數據進行異常檢測。為了讓我們的討論更加具體化，我們將演示一下怎麼用Deeplearning4j搭建神經網路。
一、什麼是神經網路？
人工神經網路演算法的最初構思是模仿生物神經元。但是這個類比很不可靠。人工神經網路的每一個特徵都是對生物神經元的一種折射：每一個節點與激活閾值、觸發的連接。
連接人工神經元系統建立起來之後，我們就能夠對這些系統進行訓練，從而讓他們學習到數據中的一些模式，學到之後就能執行回歸、分類、聚類、預測等功能。
人工神經網路可以看作是計算節點的集合。數據通過這些節點進入神經網路的輸入層，再通過神經網路的隱藏層直到關於數據的一個結論或者結果出現，這個過程才會停止。神經網路產出的結果會跟預期的結果進行比較，神經網路得出的結果與正確結果的不同點會被用來更正神經網路節點的激活閾值。隨著這個過程的不斷重復，神經網路的輸出結果就會無限靠近預期結果。
二、訓練過程
在搭建一個神經網路系統之前，你必須先了解訓練的過程以及網路輸出結果是怎麼產生的。然而我們並不想過度深入的了解這些方程式，下面是一個簡短的介紹。
網路的輸入節點收到一個數值數組（或許是叫做張量多維度數組）就代表輸入數據。例如, 圖像中的每個像素可以表示為一個標量，然後將像素傳遞給一個節點。輸入數據將會與神經網路的參數相乘，這個輸入數據被擴大還是減小取決於它的重要性，換句話說，取決於這個像素就不會影響神經網路關於整個輸入數據的結論。
起初這些參數都是隨機的，也就是說神經網路在建立初期根本就不了解數據的結構。每個節點的激活函數決定了每個輸入節點的輸出結果。所以每個節點是否能夠被激活取決於它是否接受到足夠的刺激強度，即是否輸入數據和參數的結果超出了激活閾值的界限。
在所謂的密集或完全連接層中，每個節點的輸出值都會傳遞給後續層的節點，在通過所有隱藏層後最終到達輸出層，也就是產生輸入結果的地方。在輸出層, 神經網路得到的最終結論將會跟預期結論進行比較(例如，圖片中的這些像素代表一隻貓還是狗?)。神經網路猜測的結果與正確結果的計算誤差都會被納入到一個測試集中，神經網路又會利用這些計算誤差來不斷更新參數，以此來改變圖片中不同像素的重要程度。整個過程的目的就是降低輸出結果與預期結果的誤差，正確地標注出這個圖像到底是不是一條狗。
深度學習是一個復雜的過程，由於大量的矩陣系數需要被修改所以它就涉及到矩陣代數、衍生品、概率和密集的硬體使用問題，但是用戶不需要全部了解這些復雜性。
但是，你也應該知道一些基本參數，這將幫助你理解神經網路函數。這其中包括激活函數、優化演算法和目標函數(也稱為損失、成本或誤差函數)。
激活函數決定了信號是否以及在多大程度上應該被發送到連接節點。階梯函數是最常用的激活函數, 如果其輸入小於某個閾值就是0，如果其輸入大於閾值就是1。節點都會通過階梯激活函數向連接節點發送一個0或1。優化演算法決定了神經網路怎麼樣學習，以及測試完誤差後，權重怎麼樣被更准確地調整。最常見的優化演算法是隨機梯度下降法。最後, 成本函數常用來衡量誤差，通過對比一個給定訓練樣本中得出的結果與預期結果的不同來評定神經網路的執行效果。
Keras、Deeplearning4j 等開源框架讓創建神經網路變得簡單。創建神經網路結構時，需要考慮的是怎樣將你的數據類型匹配到一個已知的被解決的問題，並且根據你的實際需求來修改現有結構。
三、神經網路的類型以及應用
神經網路已經被了解和應用了數十年了，但是最近的一些技術趨勢才使得深度神經網路變得更加高效。
GPUs使得矩陣操作速度更快；分布式計算結構讓計算能力大大增強；多個超參數的組合也讓迭代的速度提升。所有這些都讓訓練的速度大大加快，迅速找到適合的結構。
隨著更大數據集的產生，類似於ImageNet 的大型高質量的標簽數據集應運而生。機器學習演算法訓練的數據越大，那麼它的准確性就會越高。
最後，隨著我們理解能力以及神經網路演算法的不斷提升，神經網路的准確性在語音識別、機器翻譯以及一些機器感知和面向目標的一些任務等方面不斷刷新記錄。
盡管神經網路架構非常的大，但是主要用到的神經網路種類也就是下面的幾種。
3.1前饋神經網路
前饋神經網路包括一個輸入層、一個輸出層以及一個或多個的隱藏層。前饋神經網路可以做出很好的通用逼近器，並且能夠被用來創建通用模型。
這種類型的神經網路可用於分類和回歸。例如，當使用前饋網路進行分類時，輸出層神經元的個數等於類的數量。從概念上講, 激活了的輸出神經元決定了神經網路所預測的類。更准確地說, 每個輸出神經元返回一個記錄與分類相匹配的概率數，其中概率最高的分類將被選為模型的輸出分類。
前饋神經網路的優勢是簡單易用，與其他類型的神經網路相比更簡單，並且有一大堆的應用實例。
3.2卷積神經網路
卷積神經網路和前饋神經網路是非常相似的，至少是數據的傳輸方式類似。他們結構大致上是模仿了視覺皮層。卷積神經網路通過許多的過濾器。這些過濾器主要集中在一個圖像子集、補丁、圖塊的特徵識別上。每一個過濾器都在尋找不同模式的視覺數據，例如，有的可能是找水平線，有的是找對角線，有的是找垂直的。這些線條都被看作是特徵，當過濾器經過圖像時，他們就會構造出特徵圖譜來定位各類線是出現在圖像的哪些地方。圖像中的不同物體，像貓、747s、榨汁機等都會有不同的圖像特徵，這些圖像特徵就能使圖像完成分類。卷積神經網路在圖像識別和語音識別方面是非常的有效的。
卷積神經網路與前饋神經網路在圖像識別方面的異同比較。雖然這兩種網路類型都能夠進行圖像識別，但是方式卻不同。卷積神經網路是通過識別圖像的重疊部分，然後學習識別不同部分的特徵進行訓練；然而，前饋神經網路是在整張圖片上進行訓練。前饋神經網路總是在圖片的某一特殊部分或者方向進行訓練，所以當圖片的特徵出現在其他地方時就不會被識別到，然而卷積神經網路卻能夠很好的避免這一點。
卷積神經網路主要是用於圖像、視頻、語音、聲音識別以及無人駕駛的任務。盡管這篇文章主要是討論遞歸神經網路的，但是卷積神經網路在圖像識別方面也是非常有效的，所以很有必要了解。
3.3遞歸神經網路
與前饋神經網路不同的是，遞歸神經網路的隱藏層的節點里有內部記憶存儲功能，隨著輸入數據的改變而內部記憶內容不斷被更新。遞歸神經網路的結論都是基於當前的輸入和之前存儲的數據而得出的。遞歸神經網路能夠充分利用這種內部記憶存儲狀態處理任意序列的數據，例如時間序列。
遞歸神經網路經常用於手寫識別、語音識別、日誌分析、欺詐檢測和網路安全。
遞歸神經網路是處理時間維度數據集的最好方法，它可以處理以下數據：網路日誌和伺服器活動、硬體或者是醫療設備的感測器數據、金融交易、電話記錄。想要追蹤數據在不同階段的依賴和關聯關系需要你了解當前和之前的一些數據狀態。盡管我們通過前饋神經網路也可以獲取事件，隨著時間的推移移動到另外一個事件，這將使我們限制在對事件的依賴中，所以這種方式很不靈活。
追蹤在時間維度上有長期依賴的數據的更好方法是用內存來儲存重要事件，以使近期事件能夠被理解和分類。遞歸神經網路最好的一點就是在它的隱藏層裡面有「內存」可以學習到時間依賴特徵的重要性。
接下來我們將討論遞歸神經網路在字元生成器和網路異常檢測中的應用。遞歸神經網路可以檢測出不同時間段的依賴特徵的能力使得它可以進行時間序列數據的異常檢測。
遞歸神經網路的應用
網路上有很多使用RNNs生成文本的例子，遞歸神經網路經過語料庫的訓練之後，只要輸入一個字元，就可以預測下一個字元。下面讓我們通過一些實用例子發現更多RNNs的特徵。
應用一、RNNs用於字元生成
遞歸神經網路經過訓練之後可以把英文字元當做成一系列的時間依賴事件。經過訓練後它會學習到一個字元經常跟著另外一個字元（「e」經常跟在「h」後面，像在「the、he、she」中）。由於它能預測下一個字元是什麼，所以它能有效地減少文本的輸入錯誤。
Java是個很有趣的例子，因為它的結構包括很多嵌套結構，有一個開的圓括弧必然後面就會有一個閉的，花括弧也是同理。他們之間的依賴關系並不會在位置上表現的很明顯，因為多個事件之間的關系不是靠所在位置的距離確定的。但是就算是不明確告訴遞歸神經網路Java中各個事件的依賴關系，它也能自己學習了解到。
在異常檢測當中，我們要求神經網路能夠檢測出數據中相似、隱藏的或許是並不明顯的模式。就像是一個字元生成器在充分地了解數據的結構後就會生成一個數據的擬像，遞歸神經網路的異常檢測就是在其充分了解數據結構後來判斷輸入的數據是不是正常。
字元生成的例子表明遞歸神經網路有在不同時間范圍內學習到時間依賴關系的能力，它的這種能力還可以用來檢測網路活動日誌的異常。
異常檢測能夠使文本中的語法錯誤浮出水面，這是因為我們所寫的東西是由語法結構所決定的。同理，網路行為也是有結構的，它也有一個能夠被學習的可預測模式。經過在正常網路活動中訓練的遞歸神經網路可以監測到入侵行為，因為這些入侵行為的出現就像是一個句子沒有標點符號一樣異常。
應用二、一個網路異常檢測項目的示例
假設我們想要了解的網路異常檢測就是能夠得到硬體故障、應用程序失敗、以及入侵的一些信息。
模型將會向我們展示什麼呢？
隨著大量的網路活動日誌被輸入到遞歸神經網路中去，神經網路就能學習到正常的網路活動應該是什麼樣子的。當這個被訓練的網路被輸入新的數據時，它就能偶判斷出哪些是正常的活動，哪些是被期待的，哪些是異常的。
訓練一個神經網路來識別預期行為是有好處的，因為異常數據不多，或者是不能夠准確的將異常行為進行分類。我們在正常的數據里進行訓練，它就能夠在未來的某個時間點提醒我們非正常活動的出現。
說句題外話，訓練的神經網路並不一定非得識別到特定事情發生的特定時間點（例如，它不知道那個特殊的日子就是周日），但是它一定會發現一些值得我們注意的一些更明顯的時間模式和一些可能並不明顯的事件之間的聯系。
我們將概述一下怎麼用 Deeplearning4j（一個在JVM上被廣泛應用的深度學習開源資料庫）來解決這個問題。Deeplearning4j在模型開發過程中提供了很多有用的工具：DataVec是一款為ETL（提取-轉化-載入）任務准備模型訓練數據的集成工具。正如Sqoop為Hadoop載入數據，DataVec將數據進行清洗、預處理、規范化與標准化之後將數據載入到神經網路。這跟Trifacta』s Wrangler也相似，只不過它更關注二進制數據。
開始階段
第一階段包括典型的大數據任務和ETL：我們需要收集、移動、儲存、准備、規范化、矢量話日誌。時間跨度的長短是必須被規定好的。數據的轉化需要花費一些功夫，這是由於JSON日誌、文本日誌、還有一些非連續標注模式都必須被識別並且轉化為數值數組。DataVec能夠幫助進行轉化和規范化數據。在開發機器學習訓練模型時，數據需要分為訓練集和測試集。
訓練神經網路
神經網路的初始訓練需要在訓練數據集中進行。
在第一次訓練的時候，你需要調整一些超參數以使模型能夠實現在數據中學習。這個過程需要控制在合理的時間內。關於超參數我們將在之後進行討論。在模型訓練的過程中，你應該以降低錯誤為目標。
但是這可能會出現神經網路模型過度擬合的風險。有過度擬合現象出現的模型往往會在訓練集中的很高的分數，但是在遇到新的數據時就會得出錯誤結論。用機器學習的語言來說就是它不夠通用化。Deeplearning4J提供正則化的工具和「過早停止」來避免訓練過程中的過度擬合。
神經網路的訓練是最花費時間和耗費硬體的一步。在GPUs上訓練能夠有效的減少訓練時間，尤其是做圖像識別的時候。但是額外的硬體設施就帶來多餘的花銷，所以你的深度學習的框架必須能夠有效的利用硬體設施。Azure和亞馬遜等雲服務提供了基於GPU的實例，神經網路還可以在異構集群上進行訓練。
創建模型
Deeplearning4J提供ModelSerializer來保存訓練模型。訓練模型可以被保存或者是在之後的訓練中被使用或更新。
在執行異常檢測的過程中，日誌文件的格式需要與訓練模型一致，基於神經網路的輸出結果，你將會得到是否當前的活動符合正常網路行為預期的結論。
代碼示例
遞歸神經網路的結構應該是這樣子的：
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder(
.seed(123)
.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).iterations(1)
.weightInit(WeightInit.XAVIER)
.updater(Updater.NESTEROVS).momentum(0.9)
.learningRate(0.005)
.gradientNormalization(GradientNormalization.ClipElementWiseAbsoluteValue)
.(0.5)
.list()
.layer(0, new GravesLSTM.Builder().activation("tanh").nIn(1).nOut(10).build())
.layer(1, new RnnOutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
.activation("softmax").nIn(10).nOut(numLabelClasses).build())
.pretrain(false).backprop(true).build();
MultiLayerNetwork net = new MultiLayerNetwork(conf);
net.init();
下面解釋一下幾行重要的代碼：
.seed(123)
隨機設置一個種子值對神經網路的權值進行初始化，以此獲得一個有復驗性的結果。系數通常都是被隨機的初始化的，以使我們在調整其他超參數時仍獲得一致的結果。我們需要設定一個種子值，讓我們在調整和測試的時候能夠用這個隨機的權值。
.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).iterations(1)
決定使用哪個最優演算法（在這個例子中是隨機梯度下降法）來調整權值以提高誤差分數。你可能不需要對這個進行修改。
.learningRate(0.005)
當我們使用隨機梯度下降法的時候，誤差梯度就被計算出來了。在我們試圖將誤差值減到最小的過程中，權值也隨之變化。SGD給我們一個讓誤差更小的方向，這個學習效率就決定了我們該在這個方向上邁多大的梯度。如果學習效率太高，你可能是超過了誤差最小值；如果太低，你的訓練可能將會永遠進行。這是一個你需要調整的超參數。
Ⅱ 關於內網BT下載的問題
內網用戶BT加速方法匯總
[size=3][b]加速的最好最簡單方法就是用VNN,這里是其它的一些方法,試一試或許也會有效果
使用過BT下載的人，我相信有很多人都可能有過一個疑惑：為什麼同一個BT種子，同時都在下載，而且有時還有很多種子，很多人，但是自己的BT速度總是在10k以下，有時還是0.00K，而別人的BT的速度卻很快，有100k以上，甚至200k，300k以上，還有更牛的是有5－6M/S的。
為什麼呢？為什麼我們就不能那麼快呢？其實也沒什麼，很簡單！5分鍾後你的BT的速度也就有這么快了。真的只要5分鍾，不用像我一樣搞了整整一夜。網上有很多這一類的資料，但.........，海，不說了，總之，用了一夜才明白。下面的方法你照做就可把你的帶寬用完了，不過如果這樣的人多了，那運營商可能都會像「長城寬頻」和「網通寬頻」一樣限速下載或把BT埠給封了。哈！！！今天看報紙：長城跟BT商在打官司。原因很簡單：BT很佔用資源，很搶占帶寬。如果在一個網域用BT的人很多，那就有可能害了很多人，他們的上網速度會慘不忍睹
1．桌面－》網上鄰居－》右鍵－》屬性－》使用的網路連接－》右鍵－》屬性－》高級－》去掉防火牆的勾，其他防火牆不一定影響暫時不理，如天網。
2．安裝 PortTunnel，可以映射埠，使用簡單，照圖就好，然後點啟動，BT就快了。
PortTunnel 是基於 .net.Framework 開發的，若你的電腦還沒裝.net.Framework則他會自動上微軟的網頁，你直接點下載就行，下完先裝.net.Framework 再裝 PortTunnel。
其它方法：
一． 先說說BT速度的要緊因素(按緊要程度排序)：
1． 網速，抑或帶寬，運營商和線路的事，如果你是用小貓，那就閉眼別看了。
2． 網速，別人的，不知他上傳能不能再快點？
3． 種子和下載者，螞蟻多了，搬起來肯定快啰。
4． 防火牆，把BT都防住了，要快也不行。
5． 埠，6881-6889，BT專用，封了，慢慢爬吧！
6． 內網與公網，內網間無法直傳，不慢才怪。(看到一遍香港文章，說測試了大陸很多IP，沒10是公網的)
7． 緩存，太小就（第8，第9）：
8． 硬碟速度，緩存小，就猛讀硬碟，慢了，就讀讀讀...
9． CPU，BT很搶資源，若緩存小，處理的事就多啦。
10．網卡，應該沒人用10年前的望卡吧。
11．BT軟體，應該差不了多少，貪婪BT說省資源又快，但我的電腦是：CPU1.7G,DDR128+256M,7200轉硬碟，8M緩存。當BT速度250K/S（MAX）時，貪婪開4個下載任務，變動窗口或移動滑鼠都會感覺停滯。
（附：BT是個很變態的東西，他是個點對點的P2P軟體，但他卻人越多越快；有些種子或下載者你看不到，但你的速度快就有可能看到更多，他優先處理高速度的；一開始速度慢；然後逐漸增長加快）
二． 有了原因，就有方法：網速、種子等我們不好說話，我們只說：防火牆，埠、緩存：
增加緩存（你也可以暫時不理）：
BT會多線程地下載和上傳，很多數據吞吐，Windows默認只有512KB的Cache，顯然不夠，如果內存在256MB以上，開大一些Cache應該可以減少硬碟讀寫，提高性能。一般設在8-16MB效果最好。我(XX)設到32MB，開4個BT硬碟燈都不怎麼閃。
運行 "regedit";
去[HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager\Memory Management\IoPageLockLimit];
根據你的內存修改其十六進制值:
8000為32MB，4000為16MB，其他數字按此計算。
重啟
如果沒有找到IoPageLockLimit，就要新建，類型為DWord。
三。．開放BT使用的埠：6881-6889：A．埠測試：
想要檢測埠6881-6889埠一法
很簡單 ,在電驢主夜上有個測試網頁
[url]http://www.thedonkeynetwork.com/connection_test[/url]
輸入6881 ，然後test
如果顯示：
timeout : timeout on ip 61.177.***.***(6 sec)
this means, that we even did not receive a
RESET signal; maybe e to a 'stealth' firewall
說明埠被封或者有開防火牆!
如果顯示：
1. connection was accepted on ip 61.177.***.***
sent hello but the answer doesn't seem to come from an edonkey client !??
說明埠開放，並且6881埠使用中(BT開著)
2. error/resest on ip 61.177.***.***!
說明埠開放，但6881埠未被使用(BT沒開)
bt使用的埠就6881-6889這幾個,請一測試埠
如果有以上的埠被封了.請作設置。
再另給一個地址，可以測試埠是不是已打開，還可以測試病毒、木馬
再另給一個地址，可以測試埠是不是已打開，還可以測試病毒、木馬
[url]http://fengyunweb.51.net/netbar/killmuma/freepc.html[/url]
具體針對解決封埠方案如下：
修改注冊表或者文件類型中torrent文件的打開時運行的命令
具體方法在2000下是：我的電腦->工具->文件夾選項->文件類型->按一下鍵盤上的'T'鍵，然後往下翻幾頁，找到TORRENT這種擴展名，單擊「高級」，在打開的窗口中選中「open」，然後點「編輯」，在編輯窗口中下面那行就是啟動bt的命令行參數了，在此行結尾加一個空格後增加以下控制埠綁定的參數：
--minport 最低埠號 --maxport 最高埠號
這樣子，例如 原來是
"C:\Program Files\BitTorrent\btdownloadgui.exe" --responsefile "%1"
現在就把他改成
"C:\Program Files\BitTorrent\btdownloadgui.exe" --responsefile "%1" --minport 8021 --maxport 8079
其中的埠號請自己隨意設置，不要是原來的6881-6889范圍就可以了。
如果用5.X.X的試驗版，可以直接在程序中改設置。 注意：以上動作完成後均需要重新啟動BT才能生效。
對於最近ISP封6969埠的問題，可以通過使用http代理伺服器來解決，具體方法是： 對於使用nt內核的x 作系統（nt,win2000,xp,win2003），可以簡單的現在ie中設置通過特定的http代理伺服器上網，設置成功後，啟動bt，bt即可自動使用ie的代理伺服器設置來連接tracker伺服器。啟動bt後ie的代理伺服器設置即可還原。 對於所有x 作系統，可以設置環境變數'http_proxy'（不包括單引號的哦），就可以讓各種使用python核心的bt軟體自動使用設定的代理伺服器來訪問tracker了，具體的格式是：'http://proxyip:proxyport'或者'http://username:password@proxyip:proxyport'這樣的格式（不包括單引號的哦），比如'http://10.10.10.10:8080'或'http://admin:[email protected]:3128'這樣子。具體設置環境變數的方法，win98/me是在啟動的autoexec.bat中設置，win2000/xp/win2003是在系統->高級->環境變數中設置（設置為當前用戶的或者系統的環境變數都可以） 注意上面所說的代理伺服器都是指http代理伺服器，設置socks代理伺服器對於bt連接伺服器來說是不適合的也不能用上面的方法設置的。 注意如果僅按照上面的方法設置了http代理伺服器或者使用支持http代理伺服器設置的bt客戶端通過代理伺服器連接到了tracker，也僅僅能被tracker伺服器識別為「內網的客戶端」，也就是只能主動連接其它有公網ip的客戶端而不會有客戶端來主動連接你的客戶端，這是因為通過代理伺服器訪問tracker使得tracker無法獲得你的准確ip地址。因此，對於公網ip的用戶和做了埠映射的內網用戶，如果通過代理伺服器訪問tracker，最好同時設置「本地IP」這個配置為你的公網准備接受連接的ip，這個參數對應於命令行參數就是'--ip'，具體設置方法參見上面提到的修改埠范圍的方法，不同的是在命令行參數上增加'--ip XX.XX.XX.XX'，其中XX.XX.XX.XX為你的公網ip或你映射埠所在的機器的公網ip 對於[url]http://btfans.3322.org:6969/announce[/url]這個地址的torrent文件，可以手工announce到[url]http://btfans.3322.org:8000/announce[/url]就可以直接連到tracker伺服器了（僅適用於支持手動announce的客戶端，不過這也不是什麼好辦法，並不能徹底解決問題，還是用代理伺服器吧），不過可不要嘗試直接修改torrent文件哦，因為手動修改torrent文件成功極其容易失敗。
1、公網用戶，有公網IP，
正確的對外打開監聽埠，這將大大提升你的下載效率。因為你可以與其它防火牆後的用戶連接。（兩個不同防火牆後的用戶無法直接連接），只要沒開防火牆，一般速度會達到下載極限（哪怕只有一個種子）;如果有防火牆，要正確設置參數，打開6881~6889埠。
ICF是"Internet Connection Firewall"的簡稱，也就是網際網路連接防火牆。ICF建立在你的電腦與網際網路之間，它可以讓你請求的數據通過、而阻礙你沒有請求的數據包，是一個基於包的防火牆。在使用BT有時會因為ICF的阻攔，引起連接不到SEED或者數據包延滯降低下載速度。所以我們有必要在ICF中設置對BT使用的埠不進行阻攔。
在你的桌面上右鍵點擊「網上鄰居」，彈出的菜單中選擇「屬性」。
彈出「網路連接」窗口。在裡面找到你上網用的連接，右鍵點擊它，在彈出的菜單中選擇「屬性」。
彈出「本地連接屬性」窗口。選擇其中的「高級」選項卡。
看看滑鼠所指的項目有沒有選中（如果沒有選就不用往下看了，因為沒有使用防火牆，若你把已經有選的鉤去掉，則表示取消防火牆），若選中了就點擊窗口下方的「設置」按鈕，讓BT通過。
彈出「高級設置」窗口。圖中被選中的是一些常見的網路服務，現在我們要添加新的BT服務，點擊「添加」按鈕
彈出「服務設置」窗口。依次填寫「服務描述」（隨便你羅），「本機IP地址」（也可以寫你的機器名），「埠號」（BT埠是6881~6890，每個BT線程佔用一個埠，據說只能開9個），然後確定即可。（別忘了選中TCP協議）
這樣「服務」欄中就增加了一個「BT1」服務，這個服務開放的是6881埠，同樣你可以再新建開放6882~6890埠的服務，都搞定以後就點「確定」按鈕。
這樣「服務」欄中就增加了一個「BT1」服務，這個服務開放的是6881埠，同樣你可以再新建開放6882~6890埠的服務，都搞定以後就點「確定」按鈕。
現在我們的BT就可以在ICF中通行無阻了。
很多電腦中都沒有開啟ICF，但裝有其他的專業防火牆。以最常用的天網防火牆個人版為例，同樣可以設置開放BT埠，點擊天網的「自定義IP規則」按鈕。後點擊「增加規則」按鈕。
彈出「IP規則修改」窗口。如圖依次填寫「名稱」（隨便寫），「數據包方向」選中「接收或發送」，對方IP地址選中「任何地址」，選中TPC協議，「本地埠」填「從6881到6890」，「TCP標志位」選中「SYN」項目，最後選擇當滿足上面條件時「通行」，其他的填不填無所謂，然後點確定。
現在「自定義IP規則」欄中就增加了一個「BT」規則，打上前面的鉤鉤。
點「保存」按鈕，搞定收工。呼~
如果你安裝殺毒工具的防火牆，也請設置一下埠：
如在瑞星下的防火設置
上面的帖圖更正一下，應該最後都為6889
2、 如果你的機器在內網內，外網的機器只能看到你的網關的地址，請求只能由你發起。那麼如果另一個BT的用戶也在內網內，沒有開埠映射，他就沒有辦法給你傳東西。這樣，你就損失了一些下載源，速度可能就會比較慢。內網用戶在網關上要把埠映射到你的機器上，這樣才能對外開埠。
A． 使用專用的埠映射軟體
NAT --埠映像(又叫網路地址翻譯), 其作用是讓伺服器把指定埠的請求轉發到指定的IP上,讓其它的機器來響應這些請求,而內網向外網發送的時候不再是像其它網關服務那樣隨機分配埠,而是用上面指定的埠。可以用的軟體有：PortMap、WinRoute Pro、PortTunnel等軟體。以PortMap V1.6來舉例說明。PortMap V1.6是一款小巧的綠色軟體，其設置非常簡，如果使用其他埠映射工具不習慣的朋友不妨試試。
在名稱里隨便輸入名稱（如BTPort），在「輸入IP」欄里填寫你要用於BT下載的客戶機的IP地址就可以了（或者選擇「Any IP」把客戶機使用的整個網段的IP添加進去也可以），在「輸入埠」欄里輸入6881，「輸出IP」為自己機子上網代理伺服器的公網IP，輸出埠里輸入 6882（輸入埠和輸出埠必須不同），其他的自己可以酌情進行不同的設置。這樣設置就完成了，確認後再把剛剛設置好的那項啟動就OK了。再用同樣的方法把BT下載的埠6881-6889依次加入並啟動即可。
代理伺服器上網
很多網吧或小企業、機關等用戶，都是在ISP處申請一條或幾條上網線路，通過架設一台專用的代理伺服器，在代理伺服器上安裝相應的代理或網關軟體，通過給客戶機DHCP分配IP地址或指定一個固定的IP地址，向區域網內的用戶提供上網服務的。我們必須在代理伺服器上增加埠映射來提高BT下載速度。
如果你的伺服器是Windows自帶的網路共享連接，設置就非常簡單。我們以Windows 2000的Internet 連接共享為例。
在你共享的連接上按右鍵 ，選擇「屬性」，在「共享」頁按「設置」按鈕，系統會彈出設置窗口，然後在「服務」頁選擇「添加」按鈕，則彈出如圖1的設置窗口。
在該頁中，名稱可以隨便填（如BT），「服務埠號」中填入6881，勾選TCP，「專用網路上的伺服器計算機的名稱或地址」中填入你用來進行BT下載機器的名稱或IP地址，然後按「確定」保存。再用同樣的方法增加 6882-6889埠的映射，把它們通通指向你開始指定的計算機。
bt種子顯示方法
推薦一個非常有用的軟體 torrentSpy
此軟體可列出 .torrent 檔的資料, 如 tracker, 檔名等!!
最重要是顯示有多少人已完成下載 (成為seed), 及有多少人正在下載中
用法簡單, 只要將 .torrent 檔拖放至 torrentSpy 視窗