『壹』 seed3為什麼玩不了
網路的問題。
1、先打開電腦檢查下網路。
2、然後再打開《SEED3》游戲進行測試網路連接是不是異常的。
3、最後點擊刷新重新進入就可以玩了。
『貳』 電腦開機就出現：seedserv.exe遇到問題需要關閉，這是什麼原因
考慮是木馬病毒入侵所至，用「木馬殺客」試試吧，下載地址
http://www.sz1001.net/soft/9605.htm
是可以升級的免費版，非常好用！
「木馬殺客 V5.31 綠色版(0808病毒庫)」下載介紹:
5.3增進功能列表：
1.軟體啟動慢問題
2.增加軟體皮膚(增加幾十種軟體皮膚)
3.增加計劃任務(定時掃描\定時關機)
4.增加文件系統監控
5.增加USB監控
6.優化在線升級程式
7.完善右鍵掃描(不算完美)
8.優化內核，提高掃描硬碟的速度
9.加強對流行的流氓軟體的查殺功能
10.增加對間諜軟體的查殺功能
11.加強木馬殺客版本的穩定性
12.加強對注冊表的監控
13.增加註冊表修復功能(一鍵修復注冊表\IE及彈窗廣告)
14.增加進程高級管理功能
15.增加聲音控制
16.增加皮膚包
呵呵,功能還不少拉!!!!!!!!!!!!!!!!
木馬殺客是原創的反木馬工具，軟體採用殺毒引擎辨別特徵碼和傳統病毒庫辨別。軟體可查殺密碼偷竊類木馬、QQ尾巴類木馬、冰河類木馬、網游盜號類木馬、完全查殺灰鴿子類木馬、及各種未知木馬、病毒、蠕蟲、後門、黑客程序等。木馬內置內存監控及注冊表監控功能，木馬感染內存及修改注冊表啟動等都將被監控查殺。軟體支持在線升級。
其他功能：網路連接狀態、啟動項目查看及管理、內存監控、軟體卸載、注冊表備份及修復、右鍵掃描、灰鴿子專殺。版本不斷更新中......
5.31主要修復5.3以下問題：安裝程序，在線升級，WIN98下出錯，隨機啟動及其他一些已知BUG
『叄』 Seed加速器怎麼了
P2P加速器用法:
1.第一次使用；會有一個快速入門，選擇開始系統設置：
2.點擊智能檢測網路環境、智能選擇網卡控制；然後確定：
3.這時候會有一個優先順序跳出來；選擇否：
4.掃描網路；看同時區域網中有多少機器連接：
5.掃描完畢，啟動控制：
6.編輯控制規則：
7.編輯、新建都可以；選擇寬頻控制；更改下載帶寬和上傳帶寬：
8.選中一個主機右擊，可以選擇控制所有主機或者控制選中主機。
『肆』 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。
『伍』 bitcoin: dns seed
當bitcoin客戶端第一次啟動的時候， 程序不知道任何活躍的bitcoin全節點。
為了發現一些IP地址， 需要把一些DNS地址（也叫dns種子）硬編碼到比特幣源碼中。如果沒有dns seed， 客戶端不能自動聯上節點。
Dns Seed 由比特幣的社區成員維護， 其中一些提供動態的dns seed服務，通過掃描網路自動獲取活躍的節點IP地址，其中一些提供靜態dns seed， 這些種子是手動添加的。
我們看下sipa維護的 dns seed
83.162.254.34 176.115.25.48 ... 158.69.251.126 都是節點地址，當客戶端啟動的時候， 會自動鏈接這些地址。
dns seed 硬編碼在什麼地方了？
1 需要爬蟲一類的服務，通過bitcoin protocol 嗅探到一些節點
2 可以模仿dns請求， dns通過UDP協議的53埠進行通訊， 把嗅探到節點發送出去
這些工作，敬愛的sipa在 bitcoin-seeder 都幫我們做了。
從 seed.bitcoin.sipa.be. 14852 IN NS xps.sipa.be. 了解到seed域名的ns服務(即 nameserver)
是由 xps提供的. 我們在 dnspod 做如下配置.
需要在xps伺服器啟動bitocin-seeder
1 先編譯 make , 得到 dnsseed 執行文件
2 啟動爬蟲
等一段時間, dig seed.liushooter.cc 就會看到結果.
參考:
https://en.bitcoin.it/wiki/Satoshi_Client_Node_Discovery#DNS_Addresses
https://bitcoin.org/en/developer-guide#p2p-network
『陸』 seed vpn提示「沒有備用線路」是怎麼回事
seed vpn提示「沒有備用線路」是提示你無法再使用這種模式連接。你可以換個線路。
『柒』 華為手機顯示rseed停止運行是什麼意思
應用程序提示「已停止運行「是Android系統針對程序反映慢或程序異常時，為了避免整個系統的死機而設計的方式。出現該異常情況時，按提示點擊「強制關閉或等待」後系統能夠正常運行，這是android系統的正常現象。
嘗試確認及操作：
1、若是每次打開應用都是如此，可能是此程序版本與手機不兼容導致的。
嘗試到手機系統設置--應用程序--全部下，找到相關應用，點擊進入後「清除數據」後觀察使用。或者卸載此版本，重新安裝。
2、若之前使用正常，也可嘗試備份下手機重要數據後恢復出廠設置看能否改善，系統設置--備份與重置下操作。
『捌』 求助啊win10版本的PC下了seed 然而連不上
在桌面上找到並點擊【控制面板】進入後使用小圖標，再點擊【設備和列印機】如下圖所示：如果桌面上沒有控制面板這個圖標可以使用這個方法來解決：jingyan/article/f96699bbb196d6894f3c1b41.html 進入設備和列印機的界面下點擊【添加列印機】 正在搜索可使用的列印機。網路列印機有很大一部的列印要是搜不到的。所以建議不要在這里等了點擊【我需要的列印機不在列表中】 按其他選項查列印機，下面點擊【使用TCP/IP地址和主機名添加列印機】點擊【下一步】 輸和列印機的IP地址。 檢測TCP/IP埠，跳到下一個界面，如果你的列印不是特殊的直接點擊【下一步】 安裝列印機的驅動程序。看看你的列印支不支持系統自動的驅動。如果沒有則需要去下載或是使用列印配過來的光碟。點擊【從磁碟安裝】選擇你光碟內或是下載在電腦上的驅動程序。最後點擊【下一步】 確認列印機的名稱，這個名稱可以隨意取的。輸入好後點擊【下一步】 是不是要共享這台列印機。如果有網路列印機就沒有必要再去共享列印機了。點擊【下一步】 你已經完成了網路列印機的添加工作。點擊【完成】 安裝成功。如果在列印文件的時候就選擇這一台列印機就可以完成列印工作。以上的操作列印機一定是支持網路功能的不然這些操作都是白費的。
『玖』 有關BT的一個問題
BT下載入門到精通
BT：BT是一種共享軟體，全名叫"BitTorrent"。
一般來講，下載是把文件由伺服器端傳送到客戶端，例如FTP，HTTP，PUB等等。
但是這樣就出現了一個問題，隨著用戶的增多，對帶寬的要求也隨之增多，用戶過多就會造成瓶頸，而且搞不好還會把伺服器掛掉，所以很多的伺服器會都有用戶人數的限制，下載速度的限制，這樣就給用戶造成了諸多的不便。
但BT就不同，用BT下載反而是用戶越多，下載越快，這是為什麼呢？因為BT用的是一種傳銷的方式來達到共享的
BT首先在上傳者端把一個文件分成了Z個部分，甲在伺服器隨機下載了第N各部分，乙在伺服器隨機下載了第M個部分，這樣甲的BT就會根據情況到乙的電腦上去拿乙已經下載好的M部分，乙的BT就會根據情況去到甲的電腦上去拿甲已經下載好的N部分，這樣就不但減輕了伺服器端得負荷，也加快了用戶方（甲乙）的下載速度，效率也提高了，更同樣減少了地域之間的限制。比如說丙要連到伺服器去下載的話可能才幾K，但是要是到甲和乙的電腦上去拿就快得多了。所以說用的人越多，下載的人越多，大家也就越快，BT的優越性就在這里。而且，在你下載的同時，你也在上傳（別人從你的電腦上拿那個文件的某個部分），所以說在享受別人提供的下載的同時，你也在貢獻。
開放防火牆BT埠一步一步學
ICF是"InternetConnectionFirewall"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。
1。在你的桌面上右鍵點擊「網上鄰居」，彈出的菜單中選擇「屬性」。
2。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」。
3。彈出「本地連接屬性」窗口。選擇其中的「高級」選項卡。
4。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），選中了就點擊窗口下方的「設置」按鈕。
5。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。
6。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）
7。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。
8。現在我們的BT就可以在ICF中通行無阻了。
9。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。
10。點擊「增加規則」按鈕。
11。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。
12。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。
13。點「保存」按鈕，搞定收工。呼~
使用BT過程中出現10060/10061錯誤後不必退出，這只是tracker伺服器太忙，BT會自動重試（無論這種情況是出現在開始還是下載過程中）
另外注意錯誤的時間，如果距現在已經超過2分鍾，恰恰說明現在是正常的。（BT不會自動清除過期的錯誤）
BTExperimental的Advanced介紹
BitTorrentEXPERIMENTAL是BT的一個非官方版本，主要是添加了限制上傳速度、最大上傳人數及其他一些功能，在最新版的BTExperimentalv3.2.1b-2中，又添加了一個新的功能[Advanced]，通過這個功能，你能夠察看：和你相聯接的有哪些人，你和它們之間的數據傳輸速度怎麼樣（包括上傳和下載）等等。
BTExperimental的界面與BT很像，使用方法也一模一樣，只是多了一些設置：
左下角的Settingsfor預設的多種上網方式，選擇與你的上網方式相同的選項，BTExperimental就會自動為你設置比較理想的最大上傳速度和人數，當然你也可以自己設置，不過記住：（你的下載速度與你的上傳速度相關）
右下角的Uploadrate和Maxuploads就是你的最大上傳速度和人數。
接下來，就是主要介紹的Advanced功能了。
在左下角的Settingsfor下面，有個藍色的Advanced單詞，點擊它，就會彈出Advanced窗口，如下：
解釋一下每列的意義：
optimisticunchoke：意義不明
IP：對方的IP
local/remote：也不太清楚
Up：當前你為對方上傳數據的速度，也就是對方在你這里下載的當前速度。
Interested：你是否有對方需要的數據，"*"表示是。
Choking：對方是否暫時被你拒絕從你這里下載數據，"*"表示是。
這個需要解釋一下：在BTExperimental里，你是可以限制同時從你這里下載的人數的，比如你限制為6，但並不是說只能有6個人連到你這里，可能有幾十個人連到你的電腦，這時，BTExperimental就會自動選擇6個人，允許他們下載數據，其他的人就被暫時拒絕了，當過了一段時間後，BTExperimental又會自動選擇另外的6個人，保證每個想從你這里下載的人都能夠下載到數據。
Down：當前你從對方那裡下載的速度。
Interesting：對方是否有你需要的數據，"*"表示是。
Choked：你是否暫時被對方拒絕從他那裡下載數據，"*"表示是。
Snubbed：暫時意義不明。
Downloaded：你從對方那裡下載的數據總量。
Completed：對方的文件數據的完整度。100%的那些人就是SeeD。大家都來拜一拜呀~~~~~
PeerDownloadSpeed：對方下載的總速度。嗯嗯，看到那些上百KB速度的人了吧，羨慕啊~~~~~
好了，介紹完畢，這下大家都明白了吧？這個Advanced功能很不錯吧，如果喜歡就去下載一個吧，和BT一樣方便，但是功能更強，穩定性也很好。
BT運行原理分析及內網提速方法
由於內網用戶無法提供一個對外的埠,所以無法做伺服器.但用BT的時候,發現它可以讓內網用戶做Send,作為程序員就忍不住下載了它的源代碼分析了一把(為了看它,還專門去寫了一下Python:})
比起其它的P2P軟體,BT有個獨特的地方,它存在一個中間的WEB伺服器,就是我們在發布的時所填寫的announce.該伺服器提供了發布的統一管理,不像其它P2P軟體那樣到處去找哪些非常不穩定的個人伺服器,相對起來讓人安心的多.
該WEB伺服器更大的作用是內網用戶可以做Send(下面會說明原理),這是其它軟體無法做到的,但不好的地方是announce當機的時候就無法下載了,要知道P2P下載關鍵是要人氣要高,announce停一下就搞到人氣全沒有了
.torrent的作用
大家都知道我們要用BT下載,就要先下載一個.torrent文件,這個文件到底有甚麼呢:
首先是announce紀錄了發布伺服器的位置,讓BT知道是那個WEB伺服器發布的
然後是一些文件信息,文件名,目錄名,長度等等
最後是片段長度,和片段的Sha1校驗碼
(BT為了事現續傳和文件校驗,就把文件分成若干個片段)
大家可以用寫字板打看torrent文件看看,就是知道個大概,後面的亂碼是片段Sha1校驗碼開始-續傳的實現sha校驗BT打開一個torrent文件後,先要你選擇文件保存那裡.然後判斷文件不存在的話就建立新文件,存在的話就用Sha1校驗碼去校驗文件---錯誤的就是還沒下載的,這樣就可以實現續傳了,但128位校驗,想不慢都不行得到peer現在知道要下載甚麼了,到那裡下載呢?這就要尋找有誰提供上傳了,這里BT是通過WEB伺服器來實現的,首先BT會通過分析torrent來得到一面一串網址6969/announce是發布伺服器的地址info_hash是torrent文件中的info部分的Sha校驗碼,WEB通過它在發布列表找到對應的紀錄,
peer_id是自身的標識,它是12個0和當前時間 全球的唯一標識碼(GUID)的Sha校驗的前八位,共20位port你提供上傳的portIP你的ip地址,沒有的話伺服器會自己找到uploadeddownloaded你上傳和下載了多少,伺服器可以用它來做流量分析left你還要下載多少個位元組event狀態,告訴伺服器你是准備開始下載,還是停止,還是下載完成了以上這個操作默認5分鍾做一次,或由伺服器設定
伺服器會做甚麼
伺服器中有個一個track程序來管理這些請求
得到這一串代碼後就會用info_hash來查找列表,找到你就可以下載,找不到就對不起啦接著它會反連(NatCheck)你的IP和Port這樣就可以知道你是內網用戶還是共網用戶(如果你是內網用戶,它是連不通的,因為它會連到你的伺服器上,你的伺服器當然沒有這個埠啦)
然後伺服器返回現在正在下載這個文件的所有公網用戶的IP和port,就像是這樣
d8:intervali1800e5eersld2:ip14:xxx.xxx.xx.xxx7eerid20:
interval1800是告訴BT隔多少秒來查詢一次這里是30分鍾(有點過分了)
最後如果你是公網用戶它會把你提交的IP和Port放到info_hash對應的列表中,這樣其它人就可以找到你下載
得到這些peerIP後,BT就可以找到對應的IP下載了Bt會到所有的peer去尋找自己要下載的東西,不是一定要到seed下載.
Bt每找到一個peer就和建立一個Socket來下載,所以下載的人越多,速度就越快.
內網用戶可以做Send的原理
上面說到伺服器只會返回公網的ip的,那內網用戶怎麼可以做Send呢,這是因為BT是一個主動連接的軟體(即使你已經下載完了,也不也會主動連接他人)
下面是一個模擬流程:
1內網用戶開始做seed,
2伺服器收到請求,由於是第一個所以也沒有peer返回
3公網用戶提交請求,由於seed是內網用戶所以也沒有peer返回,等待下載,但伺服器會把它的IP放到列表中
4內網經過interval時間間隔後,再向伺服器放出請求,得到上面得公網IP
5得到公網IP後,內網馬上進行連接
6公網用戶建立連接,數據開始傳輸(注意現在是公網用戶做伺服器,內網用戶做客戶端,是不是有點怪)
7其它內網用戶去上面公網用戶下載數據
所以,內網用戶做seed一定要有公網用戶得參與,否則其它內網用戶無法下載.如果全部是內網用戶,那個所有連接都不會成立,當然這是比較極端的情況.
以上可見,內網用戶不能和內網用戶連接,其它用戶無法從伺服器查到你,所以無法主動連接你,你只能每隔30分鍾從伺服器找到公網用戶一個個進行連接.
由於中國很多用戶的是內網用戶(我從伺服器上查回來的peer還沒試過超過10個的),所以內網用戶用BT的確要比公網用戶要慢很多.於是有了下面的一直是0%：
可能SEED是內網，連接不上。有時用PTC和shareaza無法下的東東，用BT就可以下。
下不了的話具體原因跟具體情況有關，如你的網路是否區域網，你是否能訪問到tracker，你使用的是那種客戶端，你下載的具體是哪一個BT文件，你是從頭開始下還是續傳，續傳的話之前是否死機過等這些都有關系。
BT下載慢的一些原因：
1、不是公網用戶。內網用戶不能提供主動連接，所以較慢
2、各個運營商網路介面速率不高
3、下載者上傳速率不高。因為BT優先處理上傳較快的人
4、發布時seed的多少，還與發布者的速率相關，還有下載的人數越多相應的下載速度就越快（這就是BT的最大優點）
5、用戶的防火牆阻礙作用
關於BT錯誤信息的一些解釋
最近發現有很多人問有關BT的出錯信息,下面給出完整的解釋:
事實上,當你看到這些錯誤提示時,其實並不要緊張,這是你所要做的便是----等待.注意:使用BT過程中出現紅字錯誤後不必退出，BT會自動重試（無論這種情況是出現在開始還是下載過程中）另外注意錯誤的時間，如果距現在已經超過5分鍾，恰恰說明現在是正常的。（BT不會自動清除過期的錯誤）
I.Apiecefailedhashchech,re-downloadingit
這並不是什麼壞消息,你不用理會它.意思是告訴你,你下載的文件有一部分是壞的,bt會自動幫你重新下載錯誤的部分.導致這個錯誤的大多數原因在於某些人錯誤的使用了"跳過hash檢查"這個選項
II.baddatafromtracker-
通常你不必理會它,通常是tracker伺服器過載或者down了.也有可能是你的網掉線了（如部分長寬，訪問任何網站會返回登陸界面，就是錯誤的data啦）
III.Problemconnectingtotracker-timeoutexceeded
Problemconnectingtotracker-HTTPError503:Connectfailed
Problemconnectingtotracker-[Errnosocketerror](10061,"Connectionrefused"
Problemconnectingtotracker-(111,'Connectionrefused')
說明在連接tracker伺服器過程中出現錯誤,有可能trakker伺服器過載或者down了,這時並不要心急,等待BT自動重試.如果很長時間都沒有反映的話,你可以加上"--http_timeout120"的參數來加大連接重試時間.具體做法另文說明.
IV.Problemconnectingtotracker-HTTPError400:NotAuthorized
說明這個tracker伺服器不允許你使用這個torrent文件(國內好像比較少見),有些tracker伺服器只允許在他們自己網站上發布的torrent才允許下載.解決只有換一個torrent文件了,
V.Problemconnectingtotracker-HTTPError404:NotFound
很簡單,torrent文件在tracker伺服器上已經找不到了,找個新的吧.
VI.Problemconnectingtotracker-HTTPError407:ProxyAuthenticationRequired
假如你用的是代理下載BT,說明這個代理需要驗證,需要你輸入用戶名和密碼.
VII.Problemgettingresponseinfo-[Errno2]Nosuchfileordirectory:"C:\\DocumentsandSett..."
在某些情況下,IE有可能沒把torrent文件存在臨時文件夾內.解決方法是在torrent文件下載地址上按右鍵,然後另存到硬碟的某處(這可是個好習慣,以後你求種子或者reseed的時候特別有用,建議大家都這么干,利己利人),然後雙擊這個torrent文件開始下載.如果出現這個問題,建議清楚你的IE緩存,在文件中如果出現"["或者"]"也會出現這個問題.
『拾』 我的seed為什麼用不了了
已經無法再使用這種模式連接，不是你本地設備或者網路錯誤的問題，而是Green、天行、Seed、Express等一系列的傳統海外V*N通信技術也都因為現在的新規定，網站都已經停止運營，都不能再使用了，伺服器不是關閉就是IP地址被屏蔽，無法再連接到國際的網路，並且運營商檢測到數據特徵後也會屏蔽。但國內企業、學校，單位內部網路之間的V*N通信不受影響。
目前可以連接到國際的網路的也只有2BSS等這些新通信技術，PC或者移動端都支持，目前主要用來訪問谷歌相關如學術、搜索、Gmail，INS，Facebook和Whatsapp等。
對你有幫助的話，望採納~