Ⅰ 人工神经网络概念梳理与实例演示
人工神经网络概念梳理与实例演示
神经网络是一种模仿生物神经元的机器学习模型，数据从输入层进入并流经激活阈值的多个节点。
递归性神经网络一种能够对之前输入数据进行内部存储记忆的神经网络，所以他们能够学习到数据流中的时间依赖结构。
如今机器学习已经被应用到很多的产品中去了，例如，siri、Google Now等智能助手，推荐引擎——亚马逊网站用于推荐商品的推荐引擎，Google和Facebook使用的广告排名系统。最近，深度学习的一些进步将机器学习带入公众视野：AlphaGo 打败围棋大师李世石事件以及一些图片识别和机器翻译等新产品的出现。
在这部分中，我们将介绍一些强大并被普遍使用的机器学习技术。这当然包括一些深度学习以及一些满足现代业务需求传统方法。读完这一系列的文章之后，你就掌握了必要的知识，便可以将具体的机器学习实验应用到你所在的领域当中。
随着深层神经网络的精度的提高，语音和图像识别技术的应用吸引了大众的注意力，关于AI和深度学习的研究也变得更加普遍了。但是怎么能够让它进一步扩大影响力，更受欢迎仍然是一个问题。这篇文章的主要内容是：简述前馈神经网络和递归神经网络、怎样搭建一个递归神经网络对时间系列数据进行异常检测。为了让我们的讨论更加具体化，我们将演示一下怎么用Deeplearning4j搭建神经网络。
一、什么是神经网络？
人工神经网络算法的最初构思是模仿生物神经元。但是这个类比很不可靠。人工神经网络的每一个特征都是对生物神经元的一种折射：每一个节点与激活阈值、触发的连接。
连接人工神经元系统建立起来之后，我们就能够对这些系统进行训练，从而让他们学习到数据中的一些模式，学到之后就能执行回归、分类、聚类、预测等功能。
人工神经网络可以看作是计算节点的集合。数据通过这些节点进入神经网络的输入层，再通过神经网络的隐藏层直到关于数据的一个结论或者结果出现，这个过程才会停止。神经网络产出的结果会跟预期的结果进行比较，神经网络得出的结果与正确结果的不同点会被用来更正神经网络节点的激活阈值。随着这个过程的不断重复，神经网络的输出结果就会无限靠近预期结果。
二、训练过程
在搭建一个神经网络系统之前，你必须先了解训练的过程以及网络输出结果是怎么产生的。然而我们并不想过度深入的了解这些方程式，下面是一个简短的介绍。
网络的输入节点收到一个数值数组（或许是叫做张量多维度数组）就代表输入数据。例如, 图像中的每个像素可以表示为一个标量，然后将像素传递给一个节点。输入数据将会与神经网络的参数相乘，这个输入数据被扩大还是减小取决于它的重要性，换句话说，取决于这个像素就不会影响神经网络关于整个输入数据的结论。
起初这些参数都是随机的，也就是说神经网络在建立初期根本就不了解数据的结构。每个节点的激活函数决定了每个输入节点的输出结果。所以每个节点是否能够被激活取决于它是否接受到足够的刺激强度，即是否输入数据和参数的结果超出了激活阈值的界限。
在所谓的密集或完全连接层中，每个节点的输出值都会传递给后续层的节点，在通过所有隐藏层后最终到达输出层，也就是产生输入结果的地方。在输出层, 神经网络得到的最终结论将会跟预期结论进行比较(例如，图片中的这些像素代表一只猫还是狗?)。神经网络猜测的结果与正确结果的计算误差都会被纳入到一个测试集中，神经网络又会利用这些计算误差来不断更新参数，以此来改变图片中不同像素的重要程度。整个过程的目的就是降低输出结果与预期结果的误差，正确地标注出这个图像到底是不是一条狗。
深度学习是一个复杂的过程，由于大量的矩阵系数需要被修改所以它就涉及到矩阵代数、衍生品、概率和密集的硬件使用问题，但是用户不需要全部了解这些复杂性。
但是，你也应该知道一些基本参数，这将帮助你理解神经网络函数。这其中包括激活函数、优化算法和目标函数(也称为损失、成本或误差函数)。
激活函数决定了信号是否以及在多大程度上应该被发送到连接节点。阶梯函数是最常用的激活函数, 如果其输入小于某个阈值就是0，如果其输入大于阈值就是1。节点都会通过阶梯激活函数向连接节点发送一个0或1。优化算法决定了神经网络怎么样学习，以及测试完误差后，权重怎么样被更准确地调整。最常见的优化算法是随机梯度下降法。最后, 成本函数常用来衡量误差，通过对比一个给定训练样本中得出的结果与预期结果的不同来评定神经网络的执行效果。
Keras、Deeplearning4j 等开源框架让创建神经网络变得简单。创建神经网络结构时，需要考虑的是怎样将你的数据类型匹配到一个已知的被解决的问题，并且根据你的实际需求来修改现有结构。
三、神经网络的类型以及应用
神经网络已经被了解和应用了数十年了，但是最近的一些技术趋势才使得深度神经网络变得更加高效。
GPUs使得矩阵操作速度更快；分布式计算结构让计算能力大大增强；多个超参数的组合也让迭代的速度提升。所有这些都让训练的速度大大加快，迅速找到适合的结构。
随着更大数据集的产生，类似于ImageNet 的大型高质量的标签数据集应运而生。机器学习算法训练的数据越大，那么它的准确性就会越高。
最后，随着我们理解能力以及神经网络算法的不断提升，神经网络的准确性在语音识别、机器翻译以及一些机器感知和面向目标的一些任务等方面不断刷新记录。
尽管神经网络架构非常的大，但是主要用到的神经网络种类也就是下面的几种。
3.1前馈神经网络
前馈神经网络包括一个输入层、一个输出层以及一个或多个的隐藏层。前馈神经网络可以做出很好的通用逼近器，并且能够被用来创建通用模型。
这种类型的神经网络可用于分类和回归。例如，当使用前馈网络进行分类时，输出层神经元的个数等于类的数量。从概念上讲, 激活了的输出神经元决定了神经网络所预测的类。更准确地说, 每个输出神经元返回一个记录与分类相匹配的概率数，其中概率最高的分类将被选为模型的输出分类。
前馈神经网络的优势是简单易用，与其他类型的神经网络相比更简单，并且有一大堆的应用实例。
3.2卷积神经网络
卷积神经网络和前馈神经网络是非常相似的，至少是数据的传输方式类似。他们结构大致上是模仿了视觉皮层。卷积神经网络通过许多的过滤器。这些过滤器主要集中在一个图像子集、补丁、图块的特征识别上。每一个过滤器都在寻找不同模式的视觉数据，例如，有的可能是找水平线，有的是找对角线，有的是找垂直的。这些线条都被看作是特征，当过滤器经过图像时，他们就会构造出特征图谱来定位各类线是出现在图像的哪些地方。图像中的不同物体，像猫、747s、榨汁机等都会有不同的图像特征，这些图像特征就能使图像完成分类。卷积神经网络在图像识别和语音识别方面是非常的有效的。
卷积神经网络与前馈神经网络在图像识别方面的异同比较。虽然这两种网络类型都能够进行图像识别，但是方式却不同。卷积神经网络是通过识别图像的重叠部分，然后学习识别不同部分的特征进行训练；然而，前馈神经网络是在整张图片上进行训练。前馈神经网络总是在图片的某一特殊部分或者方向进行训练，所以当图片的特征出现在其他地方时就不会被识别到，然而卷积神经网络却能够很好的避免这一点。
卷积神经网络主要是用于图像、视频、语音、声音识别以及无人驾驶的任务。尽管这篇文章主要是讨论递归神经网络的，但是卷积神经网络在图像识别方面也是非常有效的，所以很有必要了解。
3.3递归神经网络
与前馈神经网络不同的是，递归神经网络的隐藏层的节点里有内部记忆存储功能，随着输入数据的改变而内部记忆内容不断被更新。递归神经网络的结论都是基于当前的输入和之前存储的数据而得出的。递归神经网络能够充分利用这种内部记忆存储状态处理任意序列的数据，例如时间序列。
递归神经网络经常用于手写识别、语音识别、日志分析、欺诈检测和网络安全。
递归神经网络是处理时间维度数据集的最好方法，它可以处理以下数据：网络日志和服务器活动、硬件或者是医疗设备的传感器数据、金融交易、电话记录。想要追踪数据在不同阶段的依赖和关联关系需要你了解当前和之前的一些数据状态。尽管我们通过前馈神经网络也可以获取事件，随着时间的推移移动到另外一个事件，这将使我们限制在对事件的依赖中，所以这种方式很不灵活。
追踪在时间维度上有长期依赖的数据的更好方法是用内存来储存重要事件，以使近期事件能够被理解和分类。递归神经网络最好的一点就是在它的隐藏层里面有“内存”可以学习到时间依赖特征的重要性。
接下来我们将讨论递归神经网络在字符生成器和网络异常检测中的应用。递归神经网络可以检测出不同时间段的依赖特征的能力使得它可以进行时间序列数据的异常检测。
递归神经网络的应用
网络上有很多使用RNNs生成文本的例子，递归神经网络经过语料库的训练之后，只要输入一个字符，就可以预测下一个字符。下面让我们通过一些实用例子发现更多RNNs的特征。
应用一、RNNs用于字符生成
递归神经网络经过训练之后可以把英文字符当做成一系列的时间依赖事件。经过训练后它会学习到一个字符经常跟着另外一个字符（“e”经常跟在“h”后面，像在“the、he、she”中）。由于它能预测下一个字符是什么，所以它能有效地减少文本的输入错误。
Java是个很有趣的例子，因为它的结构包括很多嵌套结构，有一个开的圆括号必然后面就会有一个闭的，花括号也是同理。他们之间的依赖关系并不会在位置上表现的很明显，因为多个事件之间的关系不是靠所在位置的距离确定的。但是就算是不明确告诉递归神经网络Java中各个事件的依赖关系，它也能自己学习了解到。
在异常检测当中，我们要求神经网络能够检测出数据中相似、隐藏的或许是并不明显的模式。就像是一个字符生成器在充分地了解数据的结构后就会生成一个数据的拟像，递归神经网络的异常检测就是在其充分了解数据结构后来判断输入的数据是不是正常。
字符生成的例子表明递归神经网络有在不同时间范围内学习到时间依赖关系的能力，它的这种能力还可以用来检测网络活动日志的异常。
异常检测能够使文本中的语法错误浮出水面，这是因为我们所写的东西是由语法结构所决定的。同理，网络行为也是有结构的，它也有一个能够被学习的可预测模式。经过在正常网络活动中训练的递归神经网络可以监测到入侵行为，因为这些入侵行为的出现就像是一个句子没有标点符号一样异常。
应用二、一个网络异常检测项目的示例
假设我们想要了解的网络异常检测就是能够得到硬件故障、应用程序失败、以及入侵的一些信息。
模型将会向我们展示什么呢？
随着大量的网络活动日志被输入到递归神经网络中去，神经网络就能学习到正常的网络活动应该是什么样子的。当这个被训练的网络被输入新的数据时，它就能偶判断出哪些是正常的活动，哪些是被期待的，哪些是异常的。
训练一个神经网络来识别预期行为是有好处的，因为异常数据不多，或者是不能够准确的将异常行为进行分类。我们在正常的数据里进行训练，它就能够在未来的某个时间点提醒我们非正常活动的出现。
说句题外话，训练的神经网络并不一定非得识别到特定事情发生的特定时间点（例如，它不知道那个特殊的日子就是周日），但是它一定会发现一些值得我们注意的一些更明显的时间模式和一些可能并不明显的事件之间的联系。
我们将概述一下怎么用 Deeplearning4j（一个在JVM上被广泛应用的深度学习开源数据库）来解决这个问题。Deeplearning4j在模型开发过程中提供了很多有用的工具：DataVec是一款为ETL（提取-转化-加载）任务准备模型训练数据的集成工具。正如Sqoop为Hadoop加载数据，DataVec将数据进行清洗、预处理、规范化与标准化之后将数据加载到神经网络。这跟Trifacta’s Wrangler也相似，只不过它更关注二进制数据。
开始阶段
第一阶段包括典型的大数据任务和ETL：我们需要收集、移动、储存、准备、规范化、矢量话日志。时间跨度的长短是必须被规定好的。数据的转化需要花费一些功夫，这是由于JSON日志、文本日志、还有一些非连续标注模式都必须被识别并且转化为数值数组。DataVec能够帮助进行转化和规范化数据。在开发机器学习训练模型时，数据需要分为训练集和测试集。
训练神经网络
神经网络的初始训练需要在训练数据集中进行。
在第一次训练的时候，你需要调整一些超参数以使模型能够实现在数据中学习。这个过程需要控制在合理的时间内。关于超参数我们将在之后进行讨论。在模型训练的过程中，你应该以降低错误为目标。
但是这可能会出现神经网络模型过度拟合的风险。有过度拟合现象出现的模型往往会在训练集中的很高的分数，但是在遇到新的数据时就会得出错误结论。用机器学习的语言来说就是它不够通用化。Deeplearning4J提供正则化的工具和“过早停止”来避免训练过程中的过度拟合。
神经网络的训练是最花费时间和耗费硬件的一步。在GPUs上训练能够有效的减少训练时间，尤其是做图像识别的时候。但是额外的硬件设施就带来多余的花销，所以你的深度学习的框架必须能够有效的利用硬件设施。Azure和亚马逊等云服务提供了基于GPU的实例，神经网络还可以在异构集群上进行训练。
创建模型
Deeplearning4J提供ModelSerializer来保存训练模型。训练模型可以被保存或者是在之后的训练中被使用或更新。
在执行异常检测的过程中，日志文件的格式需要与训练模型一致，基于神经网络的输出结果，你将会得到是否当前的活动符合正常网络行为预期的结论。
代码示例
递归神经网络的结构应该是这样子的：
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();
下面解释一下几行重要的代码：
.seed(123)
随机设置一个种子值对神经网络的权值进行初始化，以此获得一个有复验性的结果。系数通常都是被随机的初始化的，以使我们在调整其他超参数时仍获得一致的结果。我们需要设定一个种子值，让我们在调整和测试的时候能够用这个随机的权值。
.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).iterations(1)
决定使用哪个最优算法（在这个例子中是随机梯度下降法）来调整权值以提高误差分数。你可能不需要对这个进行修改。
.learningRate(0.005)
当我们使用随机梯度下降法的时候，误差梯度就被计算出来了。在我们试图将误差值减到最小的过程中，权值也随之变化。SGD给我们一个让误差更小的方向，这个学习效率就决定了我们该在这个方向上迈多大的梯度。如果学习效率太高，你可能是超过了误差最小值；如果太低，你的训练可能将会永远进行。这是一个你需要调整的超参数。
Ⅱ 关于内网BT下载的问题
内网用户BT加速方法汇总
[size=3][b]加速的最好最简单方法就是用VNN,这里是其它的一些方法,试一试或许也会有效果
使用过BT下载的人，我相信有很多人都可能有过一个疑惑：为什么同一个BT种子，同时都在下载，而且有时还有很多种子，很多人，但是自己的BT速度总是在10k以下，有时还是0.00K，而别人的BT的速度却很快，有100k以上，甚至200k，300k以上，还有更牛的是有5－6M/S的。
为什么呢？为什么我们就不能那么快呢？其实也没什么，很简单！5分钟后你的BT的速度也就有这么快了。真的只要5分钟，不用像我一样搞了整整一夜。网上有很多这一类的资料，但.........，海，不说了，总之，用了一夜才明白。下面的方法你照做就可把你的带宽用完了，不过如果这样的人多了，那运营商可能都会像“长城宽带”和“网通宽带”一样限速下载或把BT端口给封了。哈！！！今天看报纸：长城跟BT商在打官司。原因很简单：BT很占用资源，很抢占带宽。如果在一个网域用BT的人很多，那就有可能害了很多人，他们的上网速度会惨不忍睹
1．桌面－》网上邻居－》右键－》属性－》使用的网络连接－》右键－》属性－》高级－》去掉防火墙的勾，其他防火墙不一定影响暂时不理，如天网。
2．安装 PortTunnel，可以映射端口，使用简单，照图就好，然后点启动，BT就快了。
PortTunnel 是基于 .net.Framework 开发的，若你的电脑还没装.net.Framework则他会自动上微软的网页，你直接点下载就行，下完先装.net.Framework 再装 PortTunnel。
其它方法：
一． 先说说BT速度的要紧因素(按紧要程度排序)：
1． 网速，抑或带宽，运营商和线路的事，如果你是用小猫，那就闭眼别看了。
2． 网速，别人的，不知他上传能不能再快点？
3． 种子和下载者，蚂蚁多了，搬起来肯定快啰。
4． 防火墙，把BT都防住了，要快也不行。
5． 端口，6881-6889，BT专用，封了，慢慢爬吧！
6． 内网与公网，内网间无法直传，不慢才怪。(看到一遍香港文章，说测试了大陆很多IP，没10是公网的)
7． 缓存，太小就（第8，第9）：
8． 硬盘速度，缓存小，就猛读硬盘，慢了，就读读读...
9． CPU，BT很抢资源，若缓存小，处理的事就多啦。
10．网卡，应该没人用10年前的望卡吧。
11．BT软件，应该差不了多少，贪婪BT说省资源又快，但我的电脑是：CPU1.7G,DDR128+256M,7200转硬盘，8M缓存。当BT速度250K/S（MAX）时，贪婪开4个下载任务，变动窗口或移动鼠标都会感觉停滞。
（附：BT是个很变态的东西，他是个点对点的P2P软件，但他却人越多越快；有些种子或下载者你看不到，但你的速度快就有可能看到更多，他优先处理高速度的；一开始速度慢；然后逐渐增长加快）
二． 有了原因，就有方法：网速、种子等我们不好说话，我们只说：防火墙，端口、缓存：
增加缓存（你也可以暂时不理）：
BT会多线程地下载和上传，很多数据吞吐，Windows默认只有512KB的Cache，显然不够，如果内存在256MB以上，开大一些Cache应该可以减少硬盘读写，提高性能。一般设在8-16MB效果最好。我(XX)设到32MB，开4个BT硬盘灯都不怎么闪。
运行 "regedit";
去[HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager\Memory Management\IoPageLockLimit];
根据你的内存修改其十六进制值:
8000为32MB，4000为16MB，其他数字按此计算。
重启
如果没有找到IoPageLockLimit，就要新建，类型为DWord。
三。．开放BT使用的端口：6881-6889：A．端口测试：
想要检测端口6881-6889端口一法
很简单 ,在电驴主夜上有个测试网页
[url]http://www.thedonkeynetwork.com/connection_test[/url]
输入6881 ，然后test
如果显示：
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
说明端口被封或者有开防火墙!
如果显示：
1. connection was accepted on ip 61.177.***.***
sent hello but the answer doesn't seem to come from an edonkey client !??
说明端口开放，并且6881端口使用中(BT开着)
2. error/resest on ip 61.177.***.***!
说明端口开放，但6881端口未被使用(BT没开)
bt使用的端口就6881-6889这几个,请一测试端口
如果有以上的端口被封了.请作设置。
再另给一个地址，可以测试端口是不是已打开，还可以测试病毒、木马
再另给一个地址，可以测试端口是不是已打开，还可以测试病毒、木马
[url]http://fengyunweb.51.net/netbar/killmuma/freepc.html[/url]
具体针对解决封端口方案如下：
修改注册表或者文件类型中torrent文件的打开时运行的命令
具体方法在2000下是：我的电脑->工具->文件夹选项->文件类型->按一下键盘上的'T'键，然后往下翻几页，找到TORRENT这种扩展名，单击“高级”，在打开的窗口中选中“open”，然后点“编辑”，在编辑窗口中下面那行就是启动bt的命令行参数了，在此行结尾加一个空格后增加以下控制端口绑定的参数：
--minport 最低端口号 --maxport 最高端口号
这样子，例如 原来是
"C:\Program Files\BitTorrent\btdownloadgui.exe" --responsefile "%1"
现在就把他改成
"C:\Program Files\BitTorrent\btdownloadgui.exe" --responsefile "%1" --minport 8021 --maxport 8079
其中的端口号请自己随意设置，不要是原来的6881-6889范围就可以了。
如果用5.X.X的试验版，可以直接在程序中改设置。 注意：以上动作完成后均需要重新启动BT才能生效。
对于最近ISP封6969端口的问题，可以通过使用http代理服务器来解决，具体方法是： 对于使用nt内核的x 作系统（nt,win2000,xp,win2003），可以简单的现在ie中设置通过特定的http代理服务器上网，设置成功后，启动bt，bt即可自动使用ie的代理服务器设置来连接tracker服务器。启动bt后ie的代理服务器设置即可还原。 对于所有x 作系统，可以设置环境变量'http_proxy'（不包括单引号的哦），就可以让各种使用python核心的bt软件自动使用设定的代理服务器来访问tracker了，具体的格式是：'http://proxyip:proxyport'或者'http://username:password@proxyip:proxyport'这样的格式（不包括单引号的哦），比如'http://10.10.10.10:8080'或'http://admin:[email protected]:3128'这样子。具体设置环境变量的方法，win98/me是在启动的autoexec.bat中设置，win2000/xp/win2003是在系统->高级->环境变量中设置（设置为当前用户的或者系统的环境变量都可以） 注意上面所说的代理服务器都是指http代理服务器，设置socks代理服务器对于bt连接服务器来说是不适合的也不能用上面的方法设置的。 注意如果仅按照上面的方法设置了http代理服务器或者使用支持http代理服务器设置的bt客户端通过代理服务器连接到了tracker，也仅仅能被tracker服务器识别为“内网的客户端”，也就是只能主动连接其它有公网ip的客户端而不会有客户端来主动连接你的客户端，这是因为通过代理服务器访问tracker使得tracker无法获得你的准确ip地址。因此，对于公网ip的用户和做了端口映射的内网用户，如果通过代理服务器访问tracker，最好同时设置“本地IP”这个配置为你的公网准备接受连接的ip，这个参数对应于命令行参数就是'--ip'，具体设置方法参见上面提到的修改端口范围的方法，不同的是在命令行参数上增加'--ip XX.XX.XX.XX'，其中XX.XX.XX.XX为你的公网ip或你映射端口所在的机器的公网ip 对于[url]http://btfans.3322.org:6969/announce[/url]这个地址的torrent文件，可以手工announce到[url]http://btfans.3322.org:8000/announce[/url]就可以直接连到tracker服务器了（仅适用于支持手动announce的客户端，不过这也不是什么好办法，并不能彻底解决问题，还是用代理服务器吧），不过可不要尝试直接修改torrent文件哦，因为手动修改torrent文件成功极其容易失败。
1、公网用户，有公网IP，
正确的对外打开监听端口，这将大大提升你的下载效率。因为你可以与其它防火墙后的用户连接。（两个不同防火墙后的用户无法直接连接），只要没开防火墙，一般速度会达到下载极限（哪怕只有一个种子）;如果有防火墙，要正确设置参数，打开6881~6889端口。
ICF是"Internet Connection Firewall"的简称，也就是因特网连接防火墙。ICF建立在你的电脑与因特网之间，它可以让你请求的数据通过、而阻碍你没有请求的数据包，是一个基于包的防火墙。在使用BT有时会因为ICF的阻拦，引起连接不到SEED或者数据包延滞降低下载速度。所以我们有必要在ICF中设置对BT使用的端口不进行阻拦。
在你的桌面上右键点击“网上邻居”，弹出的菜单中选择“属性”。
弹出“网络连接”窗口。在里面找到你上网用的连接，右键点击它，在弹出的菜单中选择“属性”。
弹出“本地连接属性”窗口。选择其中的“高级”选项卡。
看看鼠标所指的项目有没有选中（如果没有选就不用往下看了，因为没有使用防火墙，若你把已经有选的钩去掉，则表示取消防火墙），若选中了就点击窗口下方的“设置”按钮，让BT通过。
弹出“高级设置”窗口。图中被选中的是一些常见的网络服务，现在我们要添加新的BT服务，点击“添加”按钮
弹出“服务设置”窗口。依次填写“服务描述”（随便你罗），“本机IP地址”（也可以写你的机器名），“端口号”（BT端口是6881~6890，每个BT线程占用一个端口，据说只能开9个），然后确定即可。（别忘了选中TCP协议）
这样“服务”栏中就增加了一个“BT1”服务，这个服务开放的是6881端口，同样你可以再新建开放6882~6890端口的服务，都搞定以后就点“确定”按钮。
这样“服务”栏中就增加了一个“BT1”服务，这个服务开放的是6881端口，同样你可以再新建开放6882~6890端口的服务，都搞定以后就点“确定”按钮。
现在我们的BT就可以在ICF中通行无阻了。
很多电脑中都没有开启ICF，但装有其他的专业防火墙。以最常用的天网防火墙个人版为例，同样可以设置开放BT端口，点击天网的“自定义IP规则”按钮。后点击“增加规则”按钮。
弹出“IP规则修改”窗口。如图依次填写“名称”（随便写），“数据包方向”选中“接收或发送”，对方IP地址选中“任何地址”，选中TPC协议，“本地端口”填“从6881到6890”，“TCP标志位”选中“SYN”项目，最后选择当满足上面条件时“通行”，其他的填不填无所谓，然后点确定。
现在“自定义IP规则”栏中就增加了一个“BT”规则，打上前面的钩钩。
点“保存”按钮，搞定收工。呼~
如果你安装杀毒工具的防火墙，也请设置一下端口：
如在瑞星下的防火设置
上面的帖图更正一下，应该最后都为6889
2、 如果你的机器在内网内，外网的机器只能看到你的网关的地址，请求只能由你发起。那么如果另一个BT的用户也在内网内，没有开端口映射，他就没有办法给你传东西。这样，你就损失了一些下载源，速度可能就会比较慢。内网用户在网关上要把端口映射到你的机器上，这样才能对外开端口。
A． 使用专用的端口映射软件
NAT --端口映像(又叫网络地址翻译), 其作用是让服务器把指定端口的请求转发到指定的IP上,让其它的机器来响应这些请求,而内网向外网发送的时候不再是像其它网关服务那样随机分配端口,而是用上面指定的端口。可以用的软件有：PortMap、WinRoute Pro、PortTunnel等软件。以PortMap V1.6来举例说明。PortMap V1.6是一款小巧的绿色软件，其设置非常简，如果使用其他端口映射工具不习惯的朋友不妨试试。
在名称里随便输入名称（如BTPort），在“输入IP”栏里填写你要用于BT下载的客户机的IP地址就可以了（或者选择“Any IP”把客户机使用的整个网段的IP添加进去也可以），在“输入端口”栏里输入6881，“输出IP”为自己机子上网代理服务器的公网IP，输出端口里输入 6882（输入端口和输出端口必须不同），其他的自己可以酌情进行不同的设置。这样设置就完成了，确认后再把刚刚设置好的那项启动就OK了。再用同样的方法把BT下载的端口6881-6889依次加入并启动即可。
代理服务器上网
很多网吧或小企业、机关等用户，都是在ISP处申请一条或几条上网线路，通过架设一台专用的代理服务器，在代理服务器上安装相应的代理或网关软件，通过给客户机DHCP分配IP地址或指定一个固定的IP地址，向局域网内的用户提供上网服务的。我们必须在代理服务器上增加端口映射来提高BT下载速度。
如果你的服务器是Windows自带的网络共享连接，设置就非常简单。我们以Windows 2000的Internet 连接共享为例。
在你共享的连接上按右键 ，选择“属性”，在“共享”页按“设置”按钮，系统会弹出设置窗口，然后在“服务”页选择“添加”按钮，则弹出如图1的设置窗口。
在该页中，名称可以随便填（如BT），“服务端口号”中填入6881，勾选TCP，“专用网络上的服务器计算机的名称或地址”中填入你用来进行BT下载机器的名称或IP地址，然后按“确定”保存。再用同样的方法增加 6882-6889端口的映射，把它们通通指向你开始指定的计算机。
bt种子显示方法
推荐一个非常有用的软件 torrentSpy
此软件可列出 .torrent 档的资料, 如 tracker, 档名等!!
最重要是显示有多少人已完成下载 (成为seed), 及有多少人正在下载中
用法简单, 只要将 .torrent 档拖放至 torrentSpy 视窗