跟我一起去旅行

絕命技師 S01E05 原爆點與示範點-Olancho

2018-10-14T06:46:00.000+08:00

前情提要：在宏都拉斯森林蟲害管理計畫中，需要設置3個示範點，3處示範點的分別為：一、有蟲害有管理，二、沒蟲害有管理，三、有蟲害沒管理。示範點的用途是執行良好的森林管理，並透過管理技術抵抗蟲害，同時比較森林管理技術是否能抵禦蟲害。

示範點內設置蠹蟲誘引器、微型氣象站來蒐集資料。同時有衛星監控作為時間前後的比較。示範點同時可以作為森林計畫的宣傳，可以帶各國森林專家前往參觀(所以最好離首都跟道路很近)。

因此尋找示範點的位置就相當重要。

在這次之前已經有前往私人木材公司Sansone的私有林(Talanga)調查，這務前往的森林是Olancho地區的私有林地，由Olancho的ICF負責帶領。

Olancho是宏國18個省份中最大的一個，面積2.1萬平方公里，超過半個台灣大。Olancho內森林遍佈，有兩個主要的城鎮(胡蒂卡爾帕 Juticalpa，另一個沒問到)。同時Olancho也是2014年森林蠹蟲最早爆發的地區，影響範圍也最廣，因此有必要在Olancho地區設置示範點，同時監控他的蟲害狀況。

從首都到胡蒂卡爾帕車程大約要4個小時，我們0630出發，抵達Olancho森林署(在Gualaco小鎮)時已經1100，還要驅車前往樣區參訪。順帶一題，森林署ICF在宏都拉斯共有12個辦公室，以首都的為最大(?)。

在森林署簡報此行的目的與示範點所需的要求。

沿途可以看到蟲害防治後的松林

相較於有管理的私有林，這裡比較原始，松林稠密，大小不一，蟲害後砍除大量植株，地上留存廢棄的松木，亦有焚燒防治蟲害的痕跡。

數日前大雨，把路基沖斷，僅剩一小車可通過

所有人改座皮卡車斗。

座車斗還要過溪水

最後下車步行

抵達示範點預定位置

這裡的松林經過四年前的蟲害，加上清除後，已自然恢復成小的松林，最高也有15米左右，只要維持良好不受到林火侵擾，恢復速度是很快的。

此時開始下小雨，一個大雷打在附近150公尺處(應該知道怎麼算的吧？)，大家趕緊下山

離開森林前在車子旁合影

前往附近村落，與居民洽談事宜

此地森林由此部落擁有與管理，人數約50人，以木材工業維生。他們談到蟲害後會擔心木材不夠生產使用，因此歡迎我們前來設置示範點。未來會請他們協助每兩個星期蒐集資料並回報給森林署。與Sansone木材公司不同，這裡的森林多維持原始，目測他們只砍伐胸徑夠大的樹，也不太做什麼經營管理，直到蟲害後森林署協助清除。

今天爆胎第二次的公務車

回到市區後，再開著原本來的車去修理輪胎，這台今天已經爆胎兩次了，每次大概花20分鐘找修車廠處理。

接著再開五個小時的車就可以回到首都了。今天可以說是最疲憊的一次工作。

絕命技師 S01E04 世界展望會 World Vision 蟲害專家與防治戰略

2018-09-02T05:37:00.001+08:00

前情提要：在出發前往宏都拉斯之前，接到一個支線任務，協助運送信件至宏國。請求協助的人是聖克里斯多福學弟的Chair man，他同時介紹我一位在宏都拉斯的世界展望會成員，有在執行蟲害的相關任務。

抵達宏國後，對方就熱切的與我聯繫，約在週五早上，我就前往宏國世界展望會，其實離台灣大使館很近。
抵達後對方很熱情的跟我介紹兩位蟲害專家，已在當地執行相關任務十多年。以下文章就是專門討論宏都拉斯蟲害防治的戰略計畫。以下圖片多取自他們提供的ppt檔案，他們很願意提供給民眾認識蟲害。

南方松小蠹蟲 Dendroctonus frontalis

宏都拉斯蟲害已有數十年的歷史，是南方松小蠹蟲的危害為主(Dendroctonus frontalis)。近年一次(2014)爆發可以說是最嚴重的一次，而目前可以說還是本次的事件當中。值得注意的是，雖然蟲害有多年歷史，但直到進幾年才有科技與系統性的資料出現。

歷年爆發紀錄與危害面積，可以看到蟲害是週期性爆發，每約十年一次，且時間逐漸變短。

航照圖

衛星空照圖

從航照圖、衛星空照圖可以看到，松小蠹蟲的危害範圍相當廣大，可以蔓延至整個宏國有松林的地方。

砍留方法(cut and leave)，清除蟲害邊緣的樹，並清出間隔(buffer)

目前世界展望會與宏國處理蟲害的方法，使用砍留方法(稍後會在戰術篇介紹)居多，簡單來說就是將受感染的樹木砍除並集中，並砍除附近健康的樹木減少蟲害蔓延，樹木會留在林中不做利用。這個方法已經有嚴格的資料指出是有效且成本低廉的。

右側的洞是直接清除蟲害所留下的洞。左側則是範圍較大的蟲害，用包圍方法所留的buffer

用buffer包圍蟲害範圍

這樣的清理方法，大約會有11人一組，其中1人指揮、5人鍊鋸、5人協助，每天可以清理0.6~3ha的面積。

每隔兩週去拍攝蟲害現場，發現根本比預期的擴散快速太多。拍攝地點要往後退才能拍到全景

使用Lindgren捕蟲器了解蟲的數量

旺季時，一個小時就可以收到上百隻的蟲

蟲害的現況大致是如此，世展會發展至今也遇到許多問題。
1.蟲害蔓延太快，早期沒有發現就來不及處理
2.蟲害蔓延太廣，人力與經費不足，難理進行防治計畫
3.民眾對蟲害認知少，認為森林署人員在任意砍伐森林
4.林火會造成更新的松林再次受害

針對第1點與第3點，他們提出了很好的計畫，就是使用廣告與紙本宣傳，教育民眾什麼是松小蠹蟲蟲害，讓民眾主動回報地點，減少通訊時間。同時也可以讓民眾知道森林署如何處置蟲害。

宣傳並指導民眾如何辨別不同時期的蟲害

但針對第2點，經費與人力不足的現狀，他們在山城comayaguaㄧ(科馬亞瓜)有和廠商合作，將木料打成碎片，並提供民眾燃燒之用。但這仍然顯示產值不夠。因此會議內容我有提到，可以媒合台灣廠商將這些木料進行二次利用，並提出六種方法討論使用的可能。

第4點可說是本文重點。
在台灣二葉松林的林火可能會促使二葉松更新，並重新展開與玉山箭竹的演替，林火對促進松林更新有幫助。
但在宏都拉斯，林火多由人為引起，包括蓄意引燃焚燒(為了農業耕種)或意外。乾季時由衛星空照圖來看，全國都壟照在林火的煙霧之中。且加上蟲害，林火所造成的危害會影響松林自然更新，目前看來是要嚴格控制，以人力撲滅。央大學生(宏都拉斯籍)表示，在台灣的林火研究頗受侷限，因為台灣人對林火的認識不足，發生的機會不高，但是在宏都拉斯卻是相當常見的一種災害。

砍留方法後，通常六個月到一年，新的松木小苗會中新長成。但留下的木料可能更容易引發大火。這些小苗又被焚毀，且土壤厚度不足，種子庫可能會完全被燒光，更新上更為困難。

蟲害與林火的交互作用，可說是最可怕的森林災害，蟲害導致大量枯立木生成，或是砍留方法留下的木材，都會促使林火更加劇烈，並導致更新困難，森林生態遭到改變。Bark beetle outbreaks and fire: Bark beetle outbreaks and fire，已有大量研究顯示兩者交互作用造成中美洲地區的森林危害。

因此砍留方法可能需要改回砍移方法(cut and remove)，早期使用砍移方法，會將木料拿去利用。但目前在宏國，使用砍留方法時，已有留下大量木頭，因為廠商認為利潤太低，只願意拿走品相好、靠近道路的木頭。如何創造這些木頭的二次價值，提昇廠商的收購意，減少木頭留在森林中被焚毀的機會，是目前世界展望會所關注的重點。

同時他們也表示宏國的森林不做生長管理，沒有疏伐的概念。實際層面上也沒有資源去做疏伐，由於松木價值不如想像中高，多做的森林管理並不能回收成本。

蟲害問題顯然各國都有所關注，且有多年的深耕經驗，目前問題都聚焦在沒有資金進行預防，森林面積遭受大規模的危害，短期影響經濟，長期影響生態循環。台灣廠商是否能提供良好的技術與想法，來將廢棄松木做二次利用，是未來最重要的議題。

絕命技師 S01E03 超市Supermercado Paiz

2018-08-27T04:26:00.001+08:00

超市的生鮮水果

前情提要，上週五取得了一台皮卡後，由於需要練習開車，這兩天都跑去百貨公司Multi plaza裡的超市(Paiz)買點雜貨，順便紀錄一下宏都拉斯的超市物價與物品。

有別於台灣的超市，宏國的超市是不能帶大型包包進入的，需要在門口的櫃台寄放領取號碼牌，結帳後再取回來。但通常小包包是可以通融的，注意別忘了帶錢包。

宏國的物價大致等於台灣，有些東西還會貴一點，例如電器或進口商品。便宜一點的我會多做介紹。

紅毛丹的樣子

一盒26台幣的草莓啦！！！

桃子，李子，奇異果，價位不低

很大的香蕉與特殊顏色的蕃茄，這應該是料理用的蔬菜

切片的鳳梨，但注意，很多人建議不要買切開或剝皮的水果，畢竟對衛生習慣的理解不同

自助裝取的堅果，但我沒看人買

各式辛香料與葉子，注意右下角好像是羅望果

鋁箔大包蕃茄醬

很多人問這裡有沒有米，有的，但是是長米

長米，不算貴，上次餐廳有吃到，口感較乾，不黏，沒味道

湯包，小泡麵，一包十元，但沒有很多選擇

畢竟在加勒比海附近，清一色都是萊姆酒，再來是威士忌，伏特加，琴酒只有兩種

葡萄酒類我沒有研究

進口啤酒區1，宏都拉斯的啤酒相對便宜，進口最貴L23=32台幣

進口啤酒區2，可以看到很多國際知名的啤酒

進口啤酒區3

宏國產啤酒四大家

可參閱宏都拉斯喝啤酒Beber Cerveza這篇文章，宏國產的啤酒大約有四家，分別是綠藍黃紅，價位由低到高是紅(L12.7)黃(L14?)綠(L16?)藍(L19.5)，我挑了綠藍兩種，但還沒喝。

綠藍

黃紅，其實黃色瓶身也是藍色拉

果汁類

可樂類

罐裝咖啡超少，只看到這個，大多都是能量飲料

可樂冰櫃

麵包區，另外還有生肉，冷凍肉，魚類區，但我沒去逛

咖啡豆區，宏都拉斯也有產不少咖啡，但近年還在推廣

咖啡豆區2

熟食區，只有這些炸雞烤雞，但烤雞只要L109，蠻便宜的

找時間再介紹百貨公司，有時覺得在這些地方拍照很突兀，所以照片都有些晃到。

絕命技師 S01E02 ICF監控組與林地調查

2018-08-24T11:25:00.001+08:00

圖文不符，上班路上看到的奇景，過幾秒後還有一模一樣的軍車(迷彩服)配置，可惜沒拍到

前情提要，昨天下班前認識了ICF監測組的Fèlix(好像是ICF蟲害組Victoria的男朋友)，他說有興趣的話可以了解一下他們組別的工作內容，於是約了隔天上午做一場簡單的簡介。

於是今天八點四十就抵達了ICF

ICF大門

他們的組主要是用各國的衛星資料來完成宏國的森林監測。在過去幾年才剛完成宏國森林的數位化地圖。目前他們有幾個平台，也是取得不同年份的衛星資料，並透過電腦演算或是人工判讀來辨識土地利用與森林變遷。

目前還有透過台灣的技術，使用過去的林火資料來預測未來林火的發生。同時各區域有護林員定期回報林火狀況。2017年約回報了807個林火事件。

Terra-i平台是CIAT協助建立，使用衛星影像每16天自動判讀一次國土變化，並提供警告，解析度250mx250m。

Terra-i平台

SIGMOF平台使用Rapideye資料，想在2019年取得2012-2017的資料並做比較處理。

SIGMOF平台

現地資料可以用手機軟體紀錄並拍照，到有網路的地方上傳。會即時顯示在網頁資料上。每週約有108筆回報紀錄，有40個護林員協助回報調查。

多數平台不對外公開，但未來SIGMOF會有公開的版本。

大致的軟體架構

電腦硬體資源還算充足，但網路架構有點慢，讀取的延遲還算有感。

午餐是類似打拋牛的料理，其他配菜都差不多，但豆泥變成瓜炒蛋白

下午有位蟲害組的成員說要去蟲害現場做紀錄，我就一同前往，另外還有兩個公關組人員要去拍照，對外宣傳ICF的工作內容，包含司機和我總共五人，坐著皮卡出發了

首都很有名的耶穌雕像(不是里約熱內盧那個)

耶穌雕像位於 El Picacho Park(皮卡丘公園，是指Top of the mountain的意思)附近，也是本次要去調查的區域。

一路上坡度相當陡，開到最後也是泥巴路，但畢竟是森林系出身的，這點小事沒在擔心。

抵達樣區後下車

樣區兩側原先都重滿了Pinus oocarpa，先隨意稱作黃松(pino amarillo)好了，是宏都拉斯的國樹(宏國松科有七種)，近年也受到松小蠹蟲的危害，此區域右側在去年已經透過物理疏伐完成，左側則以簡易的焚燒方式處理，目前立木多已死亡，只有少數留存。

左側區域有柵欄圍住，為私有林的範圍

在進入皮卡丘公園前，有經過一道柵欄，同行人員向警衛講了目的後，警衛才開放通行。我說這裡面是重要保護區嗎？他們說是，但柵欄並不是因為保護區設立的，而是因為這裡面是高級別墅區，有錢的居民"pay for security"，所以要進入之前是有管制的。注意，在宏都拉斯的警衛通常都穿著制服、防彈背心、腰上有手槍、警棍，並手持散彈槍，並不是像台灣一樣只有大肚子而已。

左側林份的枯立木樹高約有30m，胸徑最大有60，但留存數量不多

左側林地的黃松的自然更新狀況良好，一年內小苗就有一米五的高度，遍佈整個林份

值得注意的是，只有伐木跡地理的黃松小苗才有長出來，其他松林地底下多為蕨類或闊葉樹小苗，黃松小苗似乎比闊葉樹小苗稍矮一點，可能要進行早期的撫育措施。

右側的林份小苗的情形，也有很多闊葉樹小苗

林地間倒伏些許中徑木，長度約有25m

林地間的小苗沒有林邊的高，注意兩株枯木是被斧頭而非鍊鋸砍斷的

回頭後左右兩側的比較

倒伏的大徑木

另一個樣區，也是去年剛處理完成，但還沒有長出小苗

留存的大木頭

胸徑大約有60cm

今天絕命的點，上山的時候是上坡，下山才注意到這個坡有百米長，30度以上的險降坡，司機先等前一台車滑下去才開，前一台車(小發財車)還是載滿了貨物，車斗上還站人。司機看到我在拍照，也拿出手機一起拍，命都在你手上耶大哥

拍照中的司機

絕命技師 S01E01 ICF森林保育署

2018-08-23T13:13:00.000+08:00

前情提要，抵達宏都拉斯的第一天，入住旅館，拜會大使館，換了當地貨幣，辦妥手機(每月$39美金，4G網路4G流量)，第二天要前往我的辦公室位置，ICF。

ICF是宏國的森林保育署，英文是Forest Conservation Institute，阿你會說這不是FCI嗎，沒錯因為ICF是西班牙文Institution de Conservación Forestal的縮寫。類似的例子還有GIS地理資訊系統，他們叫做SIG，害我雞同鴨講很久。再來要注意他們也不念ICF，要唸(i ce efe)西班牙字母的發音。所以SIG唸作(ese i he)。

此次計畫合作的對象就是森林署的其中幾個部門，司機約好九點到旅館來接我

沿途的風光

德古西加巴是個山地，但也有點盆地地形，從四週望去都可以看到山坡包圍

ICF附近的MALL PREMIER大型購物商場，是COSTCO旗下的店家，沒進過，但網路上看起來跟COSTCO差不多

魔法校車

ICF在一個小山坡，入口超小，但進去之後發現組織比我想像中龐大，司機引我到其中一個門後就放我下來了。

ICF一景，我的辦公室在右手邊

琳瑯滿目的皮卡

眺望遠方山頭

我的辦公室是監測蟲害擴散的地方，員工約六人，有一間蟲害實驗室。任務是在野外放一種捕蟲裝置(lindgren funnel traps)，每40天去收一次，看南方松小蠹蟲SPB的數量與比例，推估宏國森林的病害狀況。若是已有發現受感染的林份，該單位會組織工人前往將受感染樹木伐倒。如果嚴重一點還會表面焚燒減少存活的害蟲。

網路上找的圖片(lindgren funnel traps)

回收並使用手機放大鏡檢測蟲的種類

SPB在美國有半世紀以上的防治歷史，有大規模的研究、預防與專業書籍。

防治SPB漫畫

第二頁

通報電話

中午就和同仁們一起吃飯，他門幫我訂了便當，可以順便跟早餐比較一下

飯店早餐，捲餅夾起司，蕃茄蛋，豆泥，蜜香蕉

午餐，捲餅，起司片？長米飯，大塊豬排，豆泥，蜜香蕉，百事可樂(L60元)

其實我不知道那個是不是香蕉做的，但吃起來很像。豆泥沒什麼味道，但我不太喜歡。
其他長米之類的吃起來也還可以，但整體份量太多，我沒有吃完

辦公室一景，他們剛吃完午餐，可以注意到桌子是用椅子+白板臨時拼起來的

今天最絕命的地方大概是上班的交通，司機們都是沒有在讓路的拼命搶車道，行人也是死命衝刺過馬路，險象環生。上班與下班各看遇到一次車子拋錨在路中央的情況。也看到車禍並聚集大量的人(詳細不明)。

應該是賭場的建築

回家路上一景

因為時差還沒調整回來，四五點回到旅館後狂睡到晚上九點。
整體而言我遇到的同事都很熱情，都會儘量用英文跟我溝通，並準備相關文件讓我進入狀況。他們對病蟲害與森林管理相當有經驗，但似乎較少有用資訊軟體協助處理。明天我會參觀他們的GIS部門，今天去看時設備也是相當不錯，或許明天會有更多的資訊。

絕命技師試播集 S01E00 初抵宏國

2018-08-22T13:42:00.000+08:00

前情提要，我剛面試上國合會宏都拉斯的森林蟲害計畫經理，要在宏國三年。
前往宏都拉斯赴任第一天，紀錄一下如何花24小時抵達地球的另一端。

行程是桃園機場(TPE)、洛杉磯(LAX)、薩爾瓦多(SAL)、宏都拉斯(TGU)，飛行到底達共計要23小時多。

晚上2350的桃園國際機場CI8華航班機，2200安檢完出境，大致上也沒什麼問題。
飛機座位3+4+3，在飛機上先填寫美國海關表1，有中文格式。

飛行12個小時左右，當地2100抵達LAX湯姆布雷迪航廈(TB)，跟著隊伍去ESTA/B1/B2的綠色區域。到告示牌終於有種來到自由之境，勇士之鄉的感覺了。

ESTA/B1/B2指示牌

用一台綠色機器掃描護照，填寫相關報關資料，拿到美國海關表2，但機器會說程序未完成，要去海關處理，這是正常的。

2120進入隊伍等待面談，面談時提供護照與AIT給的VISA，問一些問題後就會過關。他問我要去哪，我說宏都拉斯，他問我轉機班次，我說AV521，他說是在第三航廈，指給我方向後就放行了。
2130過關後到樓下一層9號行李轉盤拿取行李，轉盤會寫班次，不要認錯。

2210拿到行李，往出口方向，是海關區，拿著行李遞上護照、海關單1&2，他問我是不是商業行程，帶多少錢，有沒有食物。跟海關單上的問題差不多。
2220過海關，出口處注意要向右走，寫transfer之類的字樣，要重新掛上行李。
把行李拿給工作人員，他會每個條碼都掃描，CI8機票上的條碼也拿給他看，確認我是要掛往SAL&TGU，並問我的飛機幾點，我說0130，他說好，叫我拿到二號行李區上軌道，上軌道後就可以走出湯姆航廈了。走出湯姆航廈，往左走就可以走到第三航廈。

走出湯姆航廈後，告示牌顯示左邊是第三航廈

最左邊是TB，租來後左轉走到T3

TB外觀

TB往T3看去

遇到第一個門就看有沒有寫ticketing字樣，會上到二樓，沿著ticketing字樣走到AVIANCA櫃台，拿護照與電子機票給他。

上二樓後的指示牌

LAX T3 AVIANCA 報到窗口

他會再三確認我的行李是不是已經在剛剛掛上了，我也再三確認要不要錢，他說目前不確定，要登機前才知道。
原因是飛機還沒來，他也不確定三件行李能否掛上，確定掛上後才會收費。

2230報到完畢，在第三航廈拿到兩張機票後，櫃台告知我是湯姆航廈141號門，就可以走回湯姆航廈，但注意剛剛是從湯姆一樓出來，現在走回去直接走進湯姆二樓準備出境。

TB二樓

湯姆二樓最裡面右手邊會有人確認機票後，電扶梯走到三樓，準備安檢，注意要先把水喝光。安檢流程如同台灣，會有緝毒犬在附近。
2300過安檢後進入免稅區，其實沒有很大，很多店都準備收了，我買不到咖啡或熱茶，星巴克也只剩黑咖啡。

TB免稅店

讓美國再次榮耀！

我離起飛還有兩個半小時，找機會充電，找不到免費wifi，買了水跟餅乾($3+$5)，因為飲水機不適合裝水，是直飲的，看起來也不太衛生，所以就直接買水。
0048準備登機，驗票口會發現票有問題，他會把我叫到旁邊查詢，後來發現是行李沒有付費，他說總共USD$160，付給他現金，他會手寫一張收據給我。他還問我是不是知道這時會多收費，我說對，先前有人提過。同時也看到其他人也在付費，但不確定付的是什麼。

0055登機，av521，預計飛行六小時到薩爾瓦多，這時已經超累，機上飲料都喝咖啡，可以睡覺就睡覺。
0115飛機起飛，座位3+3，大概只坐滿八成的人。
0720當地時間降落薩爾瓦多，搭接駁巴士進航廈，注意要直接上二樓(connection)，一樓會直接出境。

薩爾瓦多落地接駁巴士

我在上二樓的手扶梯上，回頭拍走進來的地方，一進門往左轉就是入境，上手扶梯是轉機

二樓我直接拿機票給服務員(拿著資料的)，他說二樓排隊安檢後進入一樓D門。

薩爾瓦多等待二次安檢隊伍

0730排隊安檢，這個安檢最嚴格，大家都有脫鞋子。但也是過關。
安檢後下樓有簡單的免稅店跟ABCD門，去D門確定航班後可以上個廁所，就準備要登機了。

ABCD門

D門

確認航班

D門休息區

0752登機AV454，走出D門沿著指示走，進入飛機。機位2+2

準備走上飛機

薩爾瓦多飛往宏都拉斯的班機

上機後會發宏都拉斯海關卡，記得要拿。

宏都拉斯海關卡正面

宏都拉斯海關卡背面

約只飛了半小時就降落，超級驚險。
0845降落

抵達宏都拉斯，準備走去查驗區

0900進入查驗區，拿宏國簽證與護照給他看，這裡有個趣聞，他以為我是中國人，還跟同伴問這怎麼處理。
我說我是台灣人，他仔細一看護照才發現，不斷跟我道歉他看錯了，他說台灣護照是深綠色，我的公務護照是褐色。
這裡要按指紋，跟AIT的動作一樣，左四、右四、雙拇指三個步驟。通關後行李區應該已經有行李了。
這時會有工作人員主動來幫忙提行李，順著他走到海關區，三個行李連同背包掃描。行李員問我是不是台灣的大使(ambassador/embajador)，我說對

海關區可能會要求打開行李再次安檢，我有被要求要打開，走到旁邊等待時，行李員抽走我手上的簽證，跟檢查員說我是台灣的大使，檢查員就說『好拉給過』，行李員就拖著我走出去了，還說他很會講話吧。
出了關口遇到接機人員，行李員會要求給TIP(tip me)，我說(How much)，他說(up to you)，我抽了美金五元給他。
這樣算很闊綽了，但畢竟我沒有當地貨幣，最小就是美金五元。

建議，一定要防風薄外套跟寶特瓶，薄外套要有連帽，有時在飛機上或航廈很冷，要能簡單保暖，不然冷到死掉。
寶特瓶看到可以裝水就去裝，不然美國後買水很貴。
背妥航班名稱日期時間，隨時有人會詢問，拿單子出來也可以。

語文的部份，在洛杉磯都還有中文廣播(要華航才有)，華人大概三成，中英文可能都可以通。到薩爾瓦多後就只剩英文跟西班牙文，宏都拉斯則是只有西班牙文，英文很少，但海關人員都會說英文。

大使館附近的中國餐廳，仔細看左邊他寫"鍾堂經"

賣場超市一景，L=1.3TWD左右

宏都拉斯人吃香菇，而且這超貴的喔，旁邊有更大朵手掌大的

比台灣貴QQ

MULTI PLAZA 大賣場

類似台灣自助餐的中式餐廳，炒飯蔬菜宮保雞丁？這樣要L140=182TWD

美軍四件式睡袋組-模組化睡眠系統

2018-03-23T00:04:00.001+08:00

美軍四件式睡袋組-模組化睡眠系統 US Military Modular Sleep System 簡稱MSS。
詳細可以參考US Military Modular Sleep System (MSS) Review 2014的國外簡介。

本體分成四個部份組成
1.巡邏睡袋 patrol bag 1.03Kg
2.中低溫睡袋 intermediate bag 1.16Kg
3.露宿袋 bivy cover 1.83Kg
4.壓縮袋 compression sack 0.37Kg

原廠給的數據如上表
以睡袋的長度來說，身高178的我覺得頭部已經剛剛好了，再高會有點擠。
寬度則是尚可。

保暖的程度，還沒在戶外試用過，室內測試時，巡邏睡袋睡起來大概跟秋天的毛毯差不多，睡起來通風，稍有涼意;中低溫睡袋則是厚重的毯子，蓋起來立刻就覺得暖，空氣不太流通的感覺;防水露宿袋是Gore-tex材質，摸起來有些涼意，睡在其中不算暖，但如果是夏天夜晚應該相當適合。

三件睡袋由內而外彼此可以用鈕扣扣起來，變成大型睡袋，順序是中低溫睡袋、巡邏睡袋、露宿袋，再塞到壓縮袋中。

英文網頁有評論過，這個壓縮袋並不理想，橫向三條固定帶，垂直向六條固定帶，但開口只有束口帶，壓縮完東西很容易跑出來，而且即便把所有固定帶拉緊，睡袋還是鬆鬆的。
但就我實際把三個睡袋組合好後，長邊對折一次，短邊對折一次，捲起後是剛好可以塞進去的，橫向最高的固定帶剛好會變成束口，打包完大概會變成直徑30cm，高40cm的柱體。

我嘗試過用不同的方法把垂直向的六條固定帶固定住，例如星形、對向固定，效果都不太好，壓起來的體積也沒有比較小。我認為最好的辦法就是換一個壓縮袋，或是自己重新用束帶固定。目前預定更換成 sea to summit eVENT 壓縮袋XL號，理論上應該可以塞的下。

整體而言睡袋的體積大，重量重，但對這個價位而言，他的防寒程度高，效果也不差。如果有錢，請直接考慮其他廠牌的睡袋系統。但如果對模組化有興趣，可以考慮使用這個睡袋在不同環境下做搭配。

R語言常用迴歸分析簡介

2018-03-11T13:57:00.000+08:00

本篇是出自 Udemy 的 MACHINE LEARNING A-Z 課程的筆記加上個人見解，有些範例會以課程內容為主。

課程主要包含以下九大項，

迴歸
分類
分群
關聯規則學習
強化學習
自然語言處理
深度學習
降低維度
模型的選擇與評估

以R與Python語言為範例內容，我只看了R語言的部份。

跟統計學有關的部份包含迴歸、分類(分群)、降低維度三大項，若只要學習跟統計有關的部份，可以只看這三個部份，而我也指會對這三個部份做詳細的解說。

這些課程有個共通的目標，就是有一份已知的資料，分成訓練組與測試組，用下列方法已訓練組建立模型，並拿測試組測試結果好壞。

迴歸主要要預測的是數值型的資料，比方有一張身體檢查的表，要預測血壓個高低；或是一張年齡與性別的表，要預測收入等等。輸入的項目可以是數值或類別(男女)，但輸出是數值(身高、收入)。

分類主要是要預測類別型的資料，比方有一張性別與收入資料的表，要預測會不會買車(是或否)；或是一張鐵達尼號乘客的資料，預測是否存活(是或否)。通常分類的結果是二元的，但也可以是多元的，有些多元的方法就會被歸類在分群之中。

降低維度是因為使用者可能輸入很多資料，但每個資料都很重要，不想要放棄，就可以透過一些投影方法使多維度的資料降低成2維(或是2以上)。在不減少資料的資訊量情況下，將資料降低維度後可能更容易分類或分群。視覺化的效果也會比較好。

零.資料的前處理
1.類別資料

使用data[,2]=factor(data[,2])定義資料為類別資料，有時在讀入數值型資料時，會因為有遺漏項而被判讀成類別資料，此時要
data=read.csv("~/Sync/EEWana/fftfigure/W035_ILA023_n_new.csv",header = T,stringsAsFactors = F)
補上 stringsAsFactors = F的項目，並將其他類別資料用factor()定義完成。

2.尺度縮放

並不是每種情況都要尺度縮放，還是要看資料的性質與方法來決定。

優點1：平衡每個變數的權重

優點2：加速梯度下降法，因為尺度相同，梯度就是圓形，可以直接朝圓心前進。

方法有

1.Normalization(通常稱正規化)，所有資料縮放成0~1之間，方法是減去最小值後除以全距

2.Standardization(標準化)，所有資料縮放成平均值0，標準差1的資料，方法是減去平均後除以標準差。

參考:[資料分析&機器學習] 第2.4講：資料前處理

一.迴歸

1.普通線性迴歸

普通線性迴歸只考慮一個自變數，一個應變數，自變數是X軸，用來預測應變數Y軸。
常見的例子如用年資來預測薪水

# 輸入資料
dataset = read.csv('Salary_Data.csv')

# 隨機區分成訓練組跟測試組
# install.packages('caTools')
library(caTools)
set.seed(123)
split = sample.split(dataset$Salary, SplitRatio = 0.6)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)

# 尺度縮放，有些資料需要，有些資料不用，端看自己需要
# training_set = scale(training_set)
# test_set = scale(test_set)

# 簡單線性迴歸
regressor = lm(formula = Salary ~ YearsExperience,
data = training_set)
summary(regressor)

# 將測試組帶入模型中預測結果
y_pred = predict(regressor, newdata = test_set)

#繪出圖片
plot(training_set[,2]~training_set[,1])
abline(regressor)

plot(test_set[,2]~test_set[,1])
abline(regressor)

補充:虛擬變數(dummy variable)，稀疏矩陣，熱讀編碼(one-hot encoding)三個概念都是雷同的，要用來創造出機器可讀取的資料表。

2.多元線性迴歸

多元線迴歸是指有多個自變數要擬合出一個應變數的情況，如 Y=aX1+bX2+cX3 等式子，X1 X2 X3 三個自變數透過加權產生一個應變數 Y。

多元迴歸分析是很常見的統計方法，他最常遇到的問題是到底要選幾個加到迴歸式子裡，假設我有 8 個自變數，1 個應變數，要挑選全部 8 個都放到迴歸式子裡嗎？這裡就要透過逐步多元迴歸分析這個技巧，來挑選出最佳的組合進入式子中，排除影響不大的自變數。這點後面會談到。

如果多元迴歸分析中有類別資料(比方男女、車的班次、居住縣市、船的艙等)，要特別挑出來，使用factor()函數，告訴電腦這是類別資料，不是數值資料。

# 輸入資料

dataset = read.csv('50_Startups.csv')

# 標記類別資料，並換成代號 1 2 3
dataset$State = factor(dataset$State,
levels = c('New York', 'California', 'Florida'),
labels = c(1, 2, 3))

# 隨機區分成訓練組跟測試組
# install.packages('caTools')
library(caTools)
set.seed(123)
split = sample.split(dataset$Profit, SplitRatio = 0.8)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)

# 尺度縮放，有些資料需要，有些資料不用，端看自己需要
# training_set = scale(training_set)
# test_set = scale(test_set)

# 多元迴歸分析，帶入所有自變數
regressor = lm(formula = Profit ~ .,data = training_set)

> summary(regressor) 
Call:
lm(formula = Profit ~ ., data = training_set)

Residuals:
   Min     1Q Median     3Q    Max 
-33128  -4865      5   6098  18065 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)      4.965e+04  7.637e+03   6.501 1.94e-07 ***
R.D.Spend        7.986e-01  5.604e-02  14.251 6.70e-16 ***
Administration  -2.942e-02  5.828e-02  -0.505    0.617    
Marketing.Spend  3.268e-02  2.127e-02   1.537    0.134    
State2           1.213e+02  3.751e+03   0.032    0.974    
State3           2.376e+02  4.127e+03   0.058    0.954    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 9908 on 34 degrees of freedom
Multiple R-squared:  0.9499, Adjusted R-squared:  0.9425 
F-statistic:   129 on 5 and 34 DF,  p-value: < 2.2e-16

可以看到有顯著的只有 R.D.Spend，最不顯著的是State2 State3，他們是虛擬變數dummy variable，我們可以把最不顯著的逐步移除，最後留下最後最顯著的。

regressor = lm(formula = Profit ~ R.D.Spend + Administration + Marketing.Spend ,

data = dataset)

summary(regressor)

Call:
lm(formula = Profit ~ R.D.Spend + Administration + Marketing.Spend, 
    data = dataset)

Residuals:
   Min     1Q Median     3Q    Max 
-33534  -4795     63   6606  17275 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)      5.012e+04  6.572e+03   7.626 1.06e-09 ***
R.D.Spend        8.057e-01  4.515e-02  17.846  < 2e-16 ***
Administration  -2.682e-02  5.103e-02  -0.526    0.602    
Marketing.Spend  2.723e-02  1.645e-02   1.655    0.105    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 9232 on 46 degrees of freedom
Multiple R-squared:  0.9507, Adjusted R-squared:  0.9475 
F-statistic:   296 on 3 and 46 DF,  p-value: < 2.2e-16

# 預測測試組的結果
y_pred = predict(regressor, newdata = test_set)

#評估模型的好壞
AIC(regressor)

如何選取適當的自變數加到迴歸模型？

1.全部都選

2.後退減少

3.向前增加

4.雙向

5.列出所有排列組合，選擇最好的模型

選取哪種方法完成你的多元迴歸模型，端看你的目的與數據決定，以下簡述各個方法。

1.全部選擇，丟進你所有的自變數並完成模型。

通常不會推薦這個方法，除非你很確定你所有自變數都要、老闆規定你這麼做、前人完成的模型說這樣是對的。不然通常是錯的。
全部選擇也是一開使用來簡易了解模型的方法。

2.後退減少

將所有自變數丟進去模型中，把最不顯著的自變數移除，重新跑一次模型，再把最不顯著的自變數移除......，直到所有的自變數都有顯著(通常是0.05)。最常見也最簡單直觀的方法。

3.向前增加

假設你有X1~X5五項自變數，先做完5個模型，分別是Y~X1、Y~X2、Y~X3、Y~X4、Y~X5,看哪個最顯著，假設是Y~X3；
那麼就剩下四個自變數X1、X2、X4、X5，再做4個模型，分別是Y~X3+X1、Y~X3+X2、Y~X3+X4、Y~X3+X5，這4個模型中看哪個最顯著，再加入下個自變數。
如果加入某個自變數後出現不顯著的結果，例如 Y~X3+X1+X4，其中 X4 的 p-value=0.07，那麼模型就是Y~X3+X1。

4.雙向

從向前增加開始，做完所有模型，選定最顯著的當成自變數，接著再選第二個最有顯著的組合，如果在這個向前的步驟中，有一個自變數不顯著了，就要把他移除，進行後退減少，直到沒有後繼續前進。最後到無法前進與後退時，模型即完成。

234三個方法統稱逐步多元迴歸，其實就是雙向的步驟。

5.列出所有排列組合，選擇最好的模型

最慢最準的方法，假設你有10個自變數，那要測試1023種排列組合，但其實用電腦自動計算也不是太慢。

通常這時候不使用R-squared來評估模型，而是採用Adjusted R-squared或是AIC等方法評估模型好壞。

Adjusted R-squared 是為了避免項次越多，R2越大的錯誤估計，Adj-R2加入項次的調整。

1-(1-R^2)*(n-1)/(n-p-1)

p=迴歸項目數量，n=sample size

3.多項式迴歸

多項式迴歸通常是指指數函數類的圖形，例如Y=aX^4+bX^3+cX^2+dX^1+e，自變數只有一個X，但有不同的次方。
值得注意的是，這還是屬於線性回歸，不能因為畫出來的圖形是指數曲線，就說他不是線性迴歸。課程中表示，線性的意思是指a,b,c,d等這幾個係數，Y這項應變數是否能用幾項線性的係數乘上幾個X，來達到擬合。故會稱為是線性的。

dataset$Level2 = dataset$Level^2
dataset$Level3 = dataset$Level^3
dataset$Level4 = dataset$Level^4
poly_reg = lm(formula = Salary ~ .,data = dataset)
summary(poly_reg)
此方法只是創造出更多的變數來代表X^2、X^3、X^4，然後跑多元回歸分析。

4.支持向量迴歸 Support Vector Regression (SVR)

支持向量迴歸最好用分類的思維來理解，在分類時會再解釋。很多分類的工具可以直接拿來當成回歸的工具，只是把分類的結果轉成數字罷了。

支持向量迴歸如同支持向量機，在數據點中畫出一條線，線的兩旁有寬度，此寬度範圍簡稱道路，迴歸的目的在找到一條道路，使的各點到道路的距離總和最小，參考如何通俗易懂地解释支持向量回归(support vector regression)?，參考:參數調整

dataset = read.csv('Position_Salaries.csv')
dataset = dataset[2:3]

# install.packages('e1071')
library(e1071)
regressor = svm(formula = Salary ~ .,
data = dataset,
type = 'eps-regression')
#type = 'eps-regression' 選擇非線性的迴歸形式，要線性的話要補上kernel="linear"
y_pred = predict(regressor, data.frame(Level = 6.5))

5.決策樹(迴歸，又稱迴歸樹)

決策樹是一種用來分類的工具，但也可以用來做迴歸。將資料分類後給予一個數值，也就是迴歸出來的數值。決策樹會產生一個二分的樹狀結構，將資料分成兩邊，在不斷二分成更多類群。

library(rpart)
regressor = rpart(formula = Salary ~ .,data = dataset)
regressor = rpart(formula = Salary ~ .,data = dataset,control = rpart.control(minsplit = 1))

6.隨機森林

隨機挑選不同數量的自變數(特徵、屬性)建立多個分類樹，所有分類樹計算完後，再投票選出結果。假設一份資料有6個自變數，共有6!種排列組合方式，假設至少採用3個自變數，也有C(6,3)=20種排列組合，這20種排列組合，各自可以生成1棵分類樹，所以模型中共有20棵分類樹，稱為森林，當一筆新的資料進來，透過20棵分類樹彼此進行分類迴歸後，共有20個結果，此結果可以投票產生最後結果(分類-類別資料)，或是平均出最後結果(迴歸-數值資料)。

隨機森林演算法可以避開一些影響較小的自變數，結果往往會比單純的分類樹來的好，而要決定的屬性包括樹的數量，
# install.packages('randomForest')
library(randomForest)
set.seed(1234)
regressor = randomForest(x = dataset[1], y = dataset$Salary, ntree = 10)
regressor = randomForest(x = dataset[1], y = dataset$Salary, ntree = 500)
summary(regressor)
# Predicting a new result with Random Forest Regression

y_pred = predict(regressor, data.frame(Level = 6.5))

樹莓派 NTP SERVER 設定，含 PPS 訊號源

2017-08-06T13:51:00.001+08:00

在某些情況下，程式運作時需要得知極為精確的時間，例如GPS定位、地震波的測量等等。在設置這些研究用的軟硬體時，我們可以透過"網路時間協定"(Network Time Protocol，簡稱NTP )來協助作業系統進行精確的時間比較。NTP會透過其他的NTP server對本機做校時，誤差可以小到 0.01個微秒左右。

網路上已有很多的 NTP 校時資訊，而以下的內容是建立自己的校時伺服器(NTP server)，供給其他儀器使用。

為什麼要有自己的 NTP server？因為網路上的 NTP server 距離你需要校時的儀器可能很遙遠，會產生較大的延遲與誤差，被校時的儀器距離 NTP server 越近越好，最好在同一個區域網路底下。而如果有諸多儀器需要校時，使用同一個 NTP server 當然是最好的。因此我們可能會有需要自己建立 NTP server 的時候。

NTP server 的建立很簡單，在 linux 底下執行
sudo apt-get install ntp #安裝
sudo service ntp start #執行ntp服務
ntpq -p # 查看ntp server的狀況

其他設定
sudo vim /etc/ntp.conf #裡面可以更改其他校時伺服器的選擇

----------------------------------------------------------------------------
以上是網路上最常見最簡單的 NTP server 資料，但在某些情況下我們會沒有網路進行校時。那就要依靠 PPS 訊號或是 GPS 訊號協助校時。在有網路的情況下，有這兩項技術也可以幫助校時。

GPS 校時需要有一塊 GPS 晶片透過 UART 或是 I2C 等通訊方法，把資訊傳進樹莓派，然後使用gpsd 等服務配合NTP進行校時，確切設定也在 /etc/ntp.conf 中。

----------------------------------------------------------------------------
PPS 是 Pulse-per-second 每秒一次訊號的意思。比方手錶內的石英晶片，會傳出固定的振動頻率，有了這個頻率我們就可以精確的執行校時。其實原子鐘也是類似的原理，人類的校時技術目前大概就只能透過精確的測量頻率。

PPS 功能通常附加在 RTC 晶片或 GPS 晶片底下，而樹莓派這兩個都沒有，我買了一個DS3231 RTC 原本要用來做樹莓派的時鐘，但後來發現中國製的晶片會有問題，只能拿來做 PPS 訊號源。

------------------------------------------------------------------------

DS2321是 I2C 界面的晶片，插入樹莓派的 GPIO 後，如要正常使用 RTC
#config i2c device
sudo apt-get install i2c-tools
sudo bash
echo ds3231 0x68 > /sys/class/i2c-adapter/i2c-1/new_device #寫入註冊
exit
i2cdetect -y 1 #偵測位置是否正確
sudo i2cdump -f -y 1 0x68 #查看裝置內容
sudo i2cset -f -y 1 0x68 0x0e 0x00 #更改裝置內容成00，才能啟用PPS腳位
sudo reboot

#hwclock
sudo heclock -r #讀取實時時鐘
sudo heclock -w #把現在時間寫入實時時鐘
timdatectl #查看時間資訊

------------------------------------------------------------------------

若要有PPS的功能還需以下
#install
sudo apt-get install vim pps-tools i2c-tools #安裝套件

#config pps gpio pin 設定 gpio 4為pps訊號源
sudo vim /boot/config.txt #修改並加入下一行
dtoverlay=pps-gpio,gpiopin=4

#config pps modules #開機啟用pps模組
sudo vim /etc/modules #修改並加入下一行
pps-gpio

sudo reboot

#see mod exist?
lsmod

#pps test

sudo ppstest /dev/pps0 #若有穩定訊號產生就代表成功了

------------------------------------------------------------------------

結合NTP與PPS功能

通常NTP沒有PPS的功能，需要重新下載並編譯

#re-built ntp for pps

mkdir ntp

cd ntp

sudo apt-get install libcap-dev

sudo apt-get install libssl-dev

wget http://archive.ntp.org/ntp4/ntp-dev/ntp-dev-4.3.93.tar.gz # development

(May redirect to: https://www.eecis.udel.edu/~ntp/ntp_spool/ntp4/ntp-dev/)

tar xvfz ntp-dev-4.3.93.tar.gz

cd ntp-dev-4.3.93

./configure --enable-linuxcaps # takes 11-15 minutes

make -j5

sudo apt-get remove ntp #請務必移除舊的

sudo make install

sudo /etc/init.d/ntp stop
sudo cp /usr/local/bin/ntp* /usr/bin/ && sudo cp /usr/local/sbin/ntp* /usr/sbin/
sudo /etc/init.d/ntp start
ntpq -crv -pn # optional step to check for version and basic function

安裝完後進入設定
#ntp server config
sudo vim /etc/ntp.conf

server 127.127.22.0 minpoll 4 maxpoll 4 #加入pps訊號源，他是使用保留ip作為來源
fudge 127.127.22.0 refid PPS #重新命名成PPS

sudo service ntp restart
ntpq -p #理論上就可以看到PPS了

------------------------------------------------------------------------

~$ ntpq -p

remote refid st t when poll reach delay offset jitter

=========================================================

*ntp.ntu.edu.tw .GPS. 1 u 18 32 377 9.243 0.224 0.387

+ntp2.ntu.edu.tw .GPS. 1 u 25 32 377 9.183 0.107 0.579

+118-163-81-61.H 192.168.0.3 2 u 34 64 377 9.691 0.438 0.791

-211-22-103-158. 192.168.0.2 2 u 35 64 377 10.192 1.762 0.274

-118-163-81-63.H 192.168.0.3 2 u 47 64 377 10.081 1.215 0.514

ntpq -p前段看到的服到代表目前對這個NTP來源的使用狀態(http://doc.ntp.org/4.1.0/ntpq.htm)

space reject 無法使用，無法聯繫上

x falsetick 拒絕，因為某些原因被演算法拒用

. excess 在第十名之外的候選者

- outlyer 演算法認為此訊號是偏移值

+ candidat 此訊號源存活並被列入演算法使用的候選之中

# selected 此訊號源存活但未在前六名之中

* sys.peer 系統時間的優先比對者

o pps.peer PPS訊號專用的符號

資料來源
Quick start NTP on the Raspberry Pi (http://www.satsignal.eu/ntp/Raspberry-Pi-quickstart.html)
ntpq - standard NTP query program (http://doc.ntp.org/4.1.0/ntpq.htm)
生产上的NTP配置ntp.conf (http://haibing.org/?p=52)

太陽能板市電並聯系統架設，含監測硬體(軟體篇)

2017-02-04T13:53:00.002+08:00

架設完硬體後，接下來就是設定樹梅派的軟體部份。
樹梅派版本為Raspberry pi 2，RASPBIAN JESSIE LITE (2017-01-11)，Kernel version 4.4

撰寫接收跟發送訊息的腳本跟交流計量模組溝通。

讀取的腳本為 read.sh

stty -F /dev/ttyUSB0 raw speed 9600 -echo

while read -rs -n 1 c #&& [[ $c != 'q' ]]

echo -en "<$c>"|hexdump -x # Replace this with code to handle the characters read

done < /dev/ttyUSB0

由於輸出是binary的hex格式，使用hexdump處理成字串

也可以使用 cat 直接貯存成log檔，再用 hexdump 處理

發送訊息只要透過echo 送入裝置即可，例如

echo -en "\xB0\xc0\xa8\x01\x01\x00\x1A" > /dev/ttyUSB0

#查詢電壓

echo -en "\xB1\xc0\xa8\x01\x01\x00\x1B" > /dev/ttyUSB0

#查詢電流

echo -en "\xB2\xc0\xa8\x01\x01\x00\x1C" > /dev/ttyUSB0

#查詢功率

echo -en "\xB3\xc0\xa8\x01\x01\x00\x1D" > /dev/ttyUSB0

#查詢累積度數

在一個終端機執行read.sh，另一個終端機使用echo發送，即可以讀到hex的訊息。

發送兩次訊息時間應該要間隔兩秒比較恰當。

完整的腳本如下run.sh

#!/bin/bash

stty -F /dev/ttyUSB0 raw speed 9600 -echo

cat /dev/ttyUSB0 > /home/pi/Sync/log &

sleep 5s

echo -en "\xB0\xc0\xa8\x01\x01\x00\x1A" > /dev/ttyUSB0

#/home/pi/Sync/send.sh b0

sleep 2s

echo -en "\xB1\xc0\xa8\x01\x01\x00\x1B" > /dev/ttyUSB0

sleep 2s

echo -en "\xB2\xc0\xa8\x01\x01\x00\x1C" > /dev/ttyUSB0

sleep 2s

echo -en "\xB3\xc0\xa8\x01\x01\x00\x1D" > /dev/ttyUSB0

sleep 5s

kill $(ps aux | grep 'cat /dev/ttyUSB0' | awk '{print $2}')

date +"%Y-%m-%d-%H-%M-%S" >> /home/pi/Sync/log2.csv

cat /home/pi/Sync/log |od -tx1d1 -w7 >> /home/pi/Sync/log2.csv

該腳本會先執行 cat 監聽該設備(ttyUSB0)，5秒後查詢電壓，間隔2秒才是電流、功率與度數。

傳回的訊息紀錄成log檔，結束後關閉 cat 監聽，將目前時間寫入log2.cav，然後把log轉成16進位的hex格式與10進位的數字格式後，繼續寫入log2.csv。

log2.csv資料內容如下，

2017-02-04-13-27-17

0000000 a0 00 72 08 00 00 1a

-96 0 114 8 0 0 26

0000007 a1 00 00 53 00 00 f4

-95 0 0 83 0 0 -12

0000016 a2 00 58 00 00 00 fa

-94 0 88 0 0 0 -6

0000025 a3 00 0d 68 00 00 18

-93 0 13 104 0 0 24

0000034

2017-02-04-13-28-18

0000000 a0 00 72 08 00 00 1a

-96 0 114 8 0 0 26

0000007 a1 00 00 57 00 00 f8

-95 0 0 87 0 0 -8

0000016 a2 00 5d 00 00 00 ff

-94 0 93 0 0 0 -1

0000025 a3 00 0d 69 00 00 19

-93 0 13 105 0 0 25

0000034

有16進位的格式，也有10進位的格式。詳細請查閱 od -tx1d1 -w7 這條指令

只要使用 sudo crontab -e 每分鐘執行 run.sh 腳本，樹梅派就會每分鐘監測一次，過程大約17~18秒。注意要使用 sudo 不然會有權限上的問題。

log2.csv仍有些餘贅，使用 cat 再處理一次，如下 sed.sh

將餘贅、空格、空行刪除，寫入 log5.csv 中。

再透過crontab -e 每五分鐘執行一次

資料將存入Sync資料夾，透過 Syncthing 軟體自動同步到雲端，這個軟體如同Dropbox一樣，但是開源，支援各式平台，包含android。沒有固定ip也可彼此聯繫，是 IOT 的好朋友。

雲端伺服器接收到後，透過R的套件，shiny server 提供即時的網站輸出。

太陽能板市電並聯系統架設，含監測硬體(硬體篇)

2017-02-04T12:55:00.002+08:00

有一片太陽能板能供應家裡的用電一直是我的夢想之一，最近有機會幫家裡增設一組。
目前太陽能仍不是很環保的一項產品，在製程方面會產生許多污染，因此我只少量的購買了兩片作為架設系統的實驗。

太陽能市電並聯系統是很簡單的裝置，他將太陽能發的直流電轉成交流電，併入電網之中直接使用，不儲存電能。優點是無須添購儲存能量的裝置(例如大量電瓶)，缺點是要購買市電並聯機，沒有市電的地方也不能使用，夜間一定要有市電等問題。

我的太陽能板是兩片多晶矽 250W，輸出約30~40V，市電並聯機為Sun Young 600W 110v。

太陽能板輸出採用並聯，圖為MC4防水接頭，接入5.5平方的電纜，紅為正，綠為負。

太陽能板的直流電直接接入市電並聯機

市電並聯機的交流電輸出線，接入插座中，按下啟動即可，機器會自行運作、散熱、夜間停止等等。詳細的原理在這裡不多說明，但建議散熱效果要加強，因此我拿了一塊硬碟用的散熱片墊在底部。

如此一來一個簡易的太陽能市電並聯系統就完成了，要測試有沒有成功，只要關閉家中電器，看電錶是否有逆轉即可，或是加入瓦時計進行測量。

如圖，目前的功率為65.2w，瓦時計也可以紀錄累積的發電量，目前的伏特數等等。

但這不是理想的監測系統，因此我想要將這些資料每分鐘紀錄，並透過R語言輸出圖片與分析。

在瓦時計後面使用交流計量模組測量(電壓，電流，功率，累積度數)，經過樹梅派讀取後存成可分析的csv檔，傳入雲端的伺服器中，再用R讀取分析。

樹梅派接電源，網路線，PL2303 TTL轉USB線

PL23032的紅綠白黑四條線接入PZEM-004T交流計量模組中，交流計量模組有兩個輸入，分別是電壓與電流，電壓只要將插座的兩條線連入即可，電流用附贈的線圈套在要量測的其中一條線上。

建議是接在火線上而非水線(零線)上，因為在負載時水線的電流可能為0，但我沒有做過實驗，如果有其他想法也歡迎提出。

下一章講解樹梅派與Server端的設定。

QRcode 樹木解說與WORD批次列印

2016-11-11T10:19:00.002+08:00

苗農森林科有個小專案是將校園的樹木掛上QRcode，讓民眾可以掃描認識樹木。
網址內有該棵樹的生長紀錄與學生介紹該樹木的youtube影片。

常常看到學生來科裡面用電腦，慢慢的將網址手動貼上網站轉成QRcode，看到我都快抓狂了
今天索性把同學拉過來，示範如何一次轉出1000張QRcode圖片的方法。

先用excel等工具將需要輸出的網址批次條列好

如果有linux系統，使用R的system()，呼叫qrencode程式來批次輸出

如果沒有linux系統，可以使用 https://qrexplore.com/generate/ 等網站批次輸出，缺點是一次最多一百張，可以調整的屬性也不多。

輸出的QRcode檔案再透過WORD批次插入圖片並列印出來即可，詳細流程請參考下列網站

批次將圖片插入WORD中

這樣就可以大量生產樹木解說的QRcode了。

使用R進行簡易的影像比對-以蝴蝶斑點為例

2016-08-17T09:14:00.002+08:00

接到了一個支線任務，簡單來說，學生的科展題目為蝴蝶翅膀斑點的影像辨識。將蝴蝶左翅膀腹側的照片轉正，翅寬為圖寬，翅長為圖長，切成約略正方形的圖片。

在圖片上放上15X15的方格，以人工的方式判斷該格子內是否有蝴蝶斑蚊，若有則為1，若無則為0。依此建立該種蝴蝶的模式矩陣。

同種蝴蝶可以建立多個模式矩陣，並以多數決的方式決定矩陣內為有斑點或無斑點，在學生過去的科展中，同種蝴蝶取十張照片。

多種蝴蝶均建立好模式矩陣後，待測蝴蝶照片依樣正規化處理建立斑點的01矩陣，並與模式矩陣比較，看誰的差異較少(漢明距離)，差異最少者及比對成該種蝴蝶。

這個方法有幾項缺失，

該蝴蝶照片不一定為正方形，放上15X15的網格不一定能填滿。通常將網格拉長。
蝴蝶照片沒有去背(背景視為0)，是使用人工的方式判斷背景與蝴蝶的翅膀，不利自動化。應該在拍攝前在蝴蝶翅膀後放白紙或黑紙。
第三人工判讀花費大量時間，且沒有明確定義斑點的概念為何，網格放置的位置也會影響結果。
第三點人工判讀時間太多，因此只能侷限在15X15的矩陣，解析度可能不足。

因此我設法替他們完成自動化辨識的這個部分。間單來說所有的照片應正規化處理後輸入R進行判讀，R會依照演算法(簡單一點就是黑白01，困難一點是特爭值，當然還有其他複雜的圖形辨識法)輸出該種蝴蝶的模式。建立好模式資料庫後，輸入正規化後的照片便可與資料庫比對，找出最相近的蝶種。

我的自動化可分成幾個步驟

圖片正規化。所有的圖片透過GIMP轉正，以人工方式將背景塗成白色(屆時會判斷成1)，最後縮小成300X300(或是15X15)的正方形蝴蝶圖片，不依照照片的長寬縮放，強迫轉成正方形。以png的格式儲存。縮放或是轉檔的部分可透過ImageMagick的convert指令進行批次轉檔。
讀入R中，用png套件包中的readPNG()函數將圖片讀入，形成三維的矩陣，第三維分別為RGB與透明度。
演算法處理。在readPNG()中RGB三色是在0到1之間的數值，1為全色，0為無色，若RGB均為1則為白色，均為0則為黑色。若要將圖片處理成黑白01的矩陣，則將RGB三色平均，大於0.5者為1，小於0.5者為0。完成後即為建立該蝶種的模式矩陣(可以多個模式矩陣)，嚴格一點可以參考大津演算法(Otsu's method)。可用writePNG()輸出成模擬圖。
比較蝶種。輸入正規化的樣本圖片，與所有矩陣進行漢明距離計算，使用e1071套件中的hamming.distance()函數。簡單一點兩個矩陣相減取絕對值再加總意思也是一樣的，因為是01的矩陣。距離最小的則判斷成結果。

R data mining 練習 - Mobile01 的單車討論版

2016-08-09T11:19:00.001+08:00

剛剛看到2012年R 與自行車（單車熱已退！？）這篇文章，透過R抓取討論區的文章，分析其發文年份，用來估算台灣的單車熱潮，因此也跟著練習了一下資料挖礦和正規表示法的使用。在程式還在跑的時候(503頁，每頁格1秒)想說來紀錄一下語法，也看一下2012~2016年單車熱是否有所變化。

這兩行語法要做修正

txt <- grep="" p="" txt="">20", txt)]

由於Mobile01的網頁語法有所更動，要做以上的修改才抓的到資料，而503則是目前單車討論版的頁數，會隨時間增加。詳細的解釋請參考原網站。

barplot(table(txt[, 1]))

barplot(table(txt[, 2]))

chisq.test(table(txt[, 2]))
Chi-squared test for given probabilities data:table(txt[, 2])
X-squared = 272.29, df = 11, p-value < 2.2e-16

barplot(table(txt[, 4]))

barplot(table(apply(txt[, 1:2], 1, function(x) paste(x[1], "-", x[2]))))

常用統計檢驗法簡介

2016-08-08T09:28:00.002+08:00

大學時有修過生物統計，我自認是非常認真的學生，前前後後總共讀完幾本原文書，幾本中文磚塊書，我寫這篇文章的理由是，雖然在唸完書的當下覺得好像清楚多，但在研究生面對自己的研究數據時，腦袋還是一片空白，根本不知道要進行何種統計分析與檢驗。而且中文統計名詞複雜且多樣，根本不知道是對應哪個英文，有些檢驗其實還有許多細節，上課根本沒有提到(比如說T.test 分成三種)。
本文會簡介常用的幾種檢驗法與相關 Excel, R 的語法，並舉例該檢驗是在檢驗何種數據。

學生T檢驗 Student T.test(又稱 T 檢定、T檢驗、t.test，以下簡稱T檢驗)

T檢驗主要用於檢定樣本的平均值，這是一項重點。
如果要看一個樣本的平均是否等於某值，要用 T 檢驗。
如果要看兩個樣本的平均是否相等，要用 T 檢驗。
T 檢驗分成三種類別
1.單樣本T檢驗(One smaple T test)
2.獨立雙樣本T檢驗(Welch Two smaple T test)
3.配對雙樣本T檢驗(Paited T test)

要看 30 個男生的身高是否等於 180，用單樣本T檢驗。(其實很少人這樣問)
[R語法:t.test(樣本,mu=平均)]

要看 A 班與 B 班男生身高是否相等，用獨立雙樣本T檢驗。
[R語法:t.test(A樣本,B樣本)]
[Eecel語法:TTEST(A樣本,B樣本,2,2)]

要看 30 個男生吃藥前與吃藥後身高是否相等，用配對雙樣本T檢驗
[R語法:t.test(A樣本,B樣本,paired=TURE)]
[Eecel語法:TTEST(A樣本,B樣本,2,1)]

每一種 T 檢驗都還可以再分成雙尾與單尾檢驗。
[R語法:t.test(樣本,mu=平均,alternative= "two.sided")]
two.sided代表等於，就是雙尾的意思，也可以改成單尾的大於"greater"或是單尾的小於"less"。重點只有"檢驗平均等於某值時"是雙尾，"檢驗平均小於某值時"是單尾，"檢驗平均大於某值時"是單尾。請看到這裡後不要再講單尾或是雙尾了，一點意義也沒有，講大於等於小於就好了。但Eecel沒有大於小於的選項，只有單尾雙尾，因此要自己判斷是大於還是小於(從樣本平均看即可)。[Eecel語法:TTEST(A樣本,B樣本,2,2)]，2代表雙尾，改成1就變成單尾。

要看 30 個男生的身高是否大於 180，用單樣本T檢驗
[R語法:t.test(樣本,mu=180),alternative="greater"]

要看 A 班與 B 班男生身高差異是否小於 30，用獨立雙樣本T檢驗
[R語法:t.test(A,B,mu=30,alternative="less")]

要看 30 個男生吃藥前與吃藥後身高是否相等，用配對雙樣本T檢驗
[R語法:t.test(A,B,mu=30,paired=T)]
[Eecel語法:TTEST(A樣本,B樣本,2,1)]

其中獨立雙樣本T檢驗(Welch Two smaple T test)還細分成變異數相等或變異數不相等兩種，這要看你母體與取樣的方法，如果不確定，嚴格一點是認為不相等的。
變異數相等
[R語法:t.test(A,B,mu=0,var.equal=T)]
[Excel語法:TTEST(A,B,2,2)]

變異數不相等
[R語法:t.test(A,B,mu=0,var.equal=F)]
[Excel語法:TTEST(A,B,2,3)]

參考網址
R 演習室 — 單樣本、配對樣本及獨立樣本 t 檢定

卡方檢定 chi-square test(以下簡稱卡方檢定)

卡方檢驗用於確認樣本是否符合某種分配(骰子丟一百次，每面的機率是否為1/6)，或是兩個屬性之間是否有所關聯(男生是否比較容易選擇藍色商品)。可以參考這篇文章[教學] [統計] 卡方檢定小筆記 (未完)。

這其實是一樣的概念，假設兩個屬性之間無關，其分佈上應該會呈現隨機;如果兩個屬性有關，例如男生喜歡藍色商品，在同樣的其況下，男生買藍色商品的次數會比男生買紅色商品的次數多，也就是不符合隨機的分配(理論上無關的話次數會一樣多)。

卡方檢定分成三種

1.適合度檢定（Goodness of fit test）

2.獨立性檢定（Test of independence）

3.同質性檢定 (Test of Homogeneity)

其實獨立性與同質性檢定是同一個東西，只是問法不一樣而已

卡方適合度檢定用來檢驗樣本是否服從某種分佈，這種分佈你的心裡要有底，比方隨機(丟骰子各面是1/6)，孟德爾的紅花白花是3:1等等，如果你不知道要選擇哪種分佈，那就不能用卡方適合度檢定。

紅花969株，白花360株，檢驗是否符合孟德爾3:1的分佈，用卡方適合度檢定

chisq.test(c(969,360),p=c(0.75,0.25))#次數表放第一個變數,p後面接機率，機率合要等於1

[R語法:chisq.test(次數表,p=機率)]

[Excel語法:CHISQ.TEST(觀察值,期望值)]#這裡的期望值不是機率，要總數乘上機率才是期望值

檢驗丟骰子1000次，檢驗每面是否為1/6的分佈，用卡方適合度檢定

x=ceiling(runif(1000)*6)#丟1000次骰子, ceiling是無條件進位，讓數值落在1~6的整數
table(x)#這是卡方檢定的重點，必須輸入統計次數，知道骰出1的有幾次，2的有幾次
chisq.test(table(x),p=c(1/6,1/6,1/6,1/6,1/6,1/6))#次數表放第一個，p後面接分佈的機率，本次是6個1/6。

[R語法:chisq.test(次數表,p=機率)]

[Excel語法:CHISQ.TEST(觀察值,期望值)]

以R 卡方檢定的例子來簡介，性別是否會影響投票傾向，兩者是獨立還有有關，用卡方獨立性檢驗，如下表
Bush Perot Clinton
male 315 152 337
female 346 126 571

male = c(Bush=315,Perot=152,Clinton=337)#個別輸入男生女生的投票傾向
female = c(Bush=346,Perot=126,Clinton=571)

x=rbind(male,female)#合併成table

chisq.test(x)#結果顯示X-squared = 33.83, df = 2, p-value = 4.508e-08
也就是說性別與投票傾向拒絕虛無假說(H0:兩者獨立無關)，接受對立假說(Ha:兩者有相關)

如果是問候選人間的票數分配比例是否相同，用卡方同質性檢定，其計算方法與結果和獨立性檢定是一樣的。

費雪精確性檢定 Fisher's exact test

類似卡方檢定的小樣本方式，通常用於樣本小於20的狀況，案例是猜八杯茶是先加奶還是先加茶。
fisher.test(table(real,guess))

參考網站

R 卡方檢定
CROSS TABLE：卡方分配與卡方檢定

[教學] [統計] 卡方檢定小筆記 (未完)
2x2 交叉表

變異數分析 ANOVA

兩組資料連續看是否有差異，用t.test，兩組以上則用ANOVA，其虛無假說H0:u1=u2=u3=...un。若p值小於0.05，則認為並非所有的資料來自同一個母體。

若要知道到底是哪組資料不同，可使用 pairwise.t.test(Y, B, p.adjust.method="none")，其中Y為資料列，B為組別列，並且不調整p值。

雙因子變異數分析
aov(cardspent~factor(region)*factor(gender)
使用*符號而不是+

參考資料
R 統計軟體(8) – 變異數分析 (ANOVA) (作者：陳鍾誠)

羅吉斯迴歸 Logistic Regression

一般的線性迴歸、多元迴歸等方式，其應變數都是連續數值，例如身高或體重。但有些情況下的應變數為類別，例如生還與否(1或0)，就可以採用羅吉斯迴歸。
(附註:若自變項為類別資料，可採用上述的卡方檢定)

羅吉斯迴歸有幾項要點，
1.他需要應變數為類別變項
2.他會給出一個式子，帶入自變數後(可為連續變項或類別變項)，會得出一個值
3.這個值稱為勝算比

勝算比的解釋請參閱

解讀 logistic regression

以鐵達尼號乘客名單的資料作為範例分析
model1<-glm data="titanic_passenger," family="binomial(link=" formula="survival~fare," logit="" na.action="na.exclude)</p">summary(model1)
其中fare 對 survival 的對數機率為 0.013108
勝算比為exp(0.013108)=1.013085
多一英鎊，多1%生還率。

參考資料
Logistic迴歸模型
R语言逻辑回归分析
How to perform a Logistic Regression in R

迴歸和相關的差異

迴歸和相關的差異，或是決定係數(R^2)與相關係數的差異，請詳見
有關係？沒關係？談迴歸與相關

更換滑鼠微動開關 G500

2016-04-02T14:55:00.001+08:00

目前有接一些幫滑鼠換微動開關的案子，微動開關是滑鼠的生命，好的微動開關可以讓滑鼠用的長長久久，壞的微動開關可能會造成連點、沒有反應等等，減低工作效率。
我的賣場：http://goods.ruten.com.tw/item/show?21542830892486

換微動開關的關鍵，在於把舊的微動開關順利解焊。

可以看到舊的微動開關是大陸製的D2FC-F7N-10M，比起日製的D2F-01F差上一節，很容易有連點問題。

http://www.weistang.com/thread-1540-1-1.html

這隻G500通常要將上下兩個主板分離，才能拿下微動開關，但可以看到如果操作得宜，上下主板間12個焊點是連解焊都不用，就可以把微動開關取下來了。

雙鍵都換成台製DF3-P1，這樣工本費(100)，材料費(40*2)，回郵運費(60)，只收240元。

http://goods.ruten.com.tw/item/show?21542830892486

Cooper 插座

2016-02-05T18:00:00.002+08:00

最近更新了家裡幾個老舊的插座，先前適因為在買蓋世特的s6b延長線，看到了 Cooper 這個品牌，仔細研究後發現價格高，用料不錯。由於家裡做生意有些高耗能產品，因此零買了幾種款式來試用看看。

先說明 Cooper 插座的幾種代碼
IG 獨立接地
AH 抗腐蝕，接點保護蓋
TR 防誤觸，插座內有白色檔片，要兩孔同時插入才能打開

以AH8300RD為例，就代表抗腐蝕，20A(8200為15A)，紅色

Cooper的顏色包含黑, 白, 紅, 象牙, 棕色, 灰色等，白色還有細分幾種

其他神奇的系列就不多列舉了

首先要介紹的是他的戶外防水保護蓋，我家在做生意，有個臺座下方需要3個插頭，供應兩個電鍋與一個冰箱。如下圖

這是我拆到一半的樣子，可以看到插座盒與插座老舊發黃，插座孔也有發黑的現象。

這是這次購買的主角們，包含兩個紅色的8200插座，TP7000雙聯鋁盒，WIU-2戶外防水保護蓋。鋁盒有三個開孔，已用自融膠帶與蓋子封上兩個，另一開口鎖上AVC M20束線頭，防止拉扯與水的進入。另外鋁盒已先用電鑽打孔，等等用鉚釘打上牆壁。

將舊的線材拆下，拉直，用砂紙磨光，可以看到線徑是5.5cm^2的電線

並聯兩個插座。

鉚釘槍與鉚釘，將鋁盒固定到牆面

鉚完厚用砂紙磨一下，另外一個洞是舊的盒子留下的

鎖上插座，線有點硬，插座沒有排得很恰當的樣子

使用中的樣子，蓋子可以蓋上，但電線會比較彎曲

冰箱的部份因為插頭有發熱的問題，也換上Cooper 4867型的插頭。

第二個部份是室內的電鍋加上電燈開關

原本是兩個插座加上一個電燈開關，該插座往往是搭配電鍋使用，也有發黑的問題。電鍋的線剛換成新的。

發黑的問題頗嚴重

Cooper 274w，一個插座搭配一個開關，他有三種用途
1.開關是控制該插座的，有個電器常需要插著，但插著又會耗電，可考慮這樣的配置，
使用開關控制該電器的電源。但可惜我這次要拿來控制電燈，而不是電鍋，所以不能使用這個配置。

2.開關與插座火線相連，獨立使用，可以看到黑色螺絲上有個ㄇ字形的金屬銅片，使開關與插座的火線是同一個來源，這時只要開關的水線接黃色螺絲，插座接白色螺絲，就可以分使用。

3.開關與插座火線分離，在某些情況下，開關與插座的電源不同，火線不能共用，只要拿尖嘴鉗把該ㄇ字形銅片折斷即可。

本次的需求屬於第二種，但我怕該銅片太細，又接了一條跳線使用。

安裝完成後

注意到我插座是裝反的，通常火線在上，但由於空間配置，開關在右側較妥當，因此改成這樣。開關使用時燈泡會亮（通常不是這樣阿！！）

面板似乎也有較大的公差，這個可要再處理一下。

R 套件 gputools 0.28 與 CUDA 7.5

2015-11-02T12:47:00.000+08:00

CUDA 是 Nvidia 顯示卡的程式語言，可以用 C 或 Python 撰寫出 GPU 運算的程式

gputools 是 R 底下的一個套件，可以將 CUDA 引入 R 中作計算，目前是 0.28 版

買了這張顯卡本來是要幫我的論文計算碎形維度的，但直到我都算完了套件還沒有裝好

昨天終於突破困境把 R 的 gputools 給裝起來了

過程中大概需要突破數個重大關卡...

1. 先裝CUDA

參考Installing CUDA Toolkit 7.5 on Ubuntu 14.04 Linux這篇文章的裝法，我簡述過程

1.1下載CUDA 到 https://developer.nvidia.com/cuda-downloads 下載最新版的工具

1.2 我選 Linux x86_64 Ubuntu 14.04 deb(local)
並下載 1.9GB 的檔案，下載完後用命令安裝該檔案

sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda

跑完之後算是安裝完成CUDA了，這時建議重新開機，讓 CUDA 的驅動載入

1.3 還要設定環境變數
到 ~/.bashrc 底下新增幾行路徑
vim ~/.bashrc

到最底下加入

export CUDA_HOME=/usr/local/cuda-7.5
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

PATH=${CUDA_HOME}/bin:${PATH}
export PATH

然後存檔，重開機（或使用 source .bashrc）
這樣CUDA才算是裝完了，如果要測試可以安裝範例來跑看看，在原本的文章中有

2. 安裝 gputools

到 CRAN - Package gputools 下載 gputools，我這時是 0.28 版，八成也不會再更新了

下載這個 Package source: gputools_0.28.tar.gz

下載之後你可以直接安裝，如果過了就沒問題，但問題我就是不過

直接安裝可以鍵入

sudo R CMD INSTALL gputools_0.28.tar.gz

我的會出現編譯錯誤，這時請把該檔案解壓縮，修改 src 資料夾底下的 Makefile

我把編譯指令 NVCC 中的 -gencode arch=compute_10,code=sm_10 刪除

錯誤變成 13，因此也把 -gencode arch=compute_13,code=sm_13 刪除

重新打包tar檔

sudo R CMD build gputools

sudo R CMD INSTALL gputools_0.28.tar.gz

可以編譯，但仍有錯誤，檢查

src 資料夾底下的 config.mk

發現 $(CUDA_HOME)/include 沒有這個檔案（CUDA HOME 在 /usr/lib/R/）

真正的檔案在 /usr/share/R/include

所以建立軟連結

cd /usr/lib/R/

sudo ln -s /usr/share/R/include include

再次安裝

sudo R CMD INSTALL gputools_0.28.tar.gz

發現會編譯完成，但再檢查套件載入時，無法載入共用文件 libcublas.so.7.5 檔

這是讓我卡最久的地方，先找出該檔案在哪

sudo updatedb

locate libcublas.so.7.5

我的在

/usr/local/cuda-7.5/targets/x86_64-linux/lib/libcublas.so.7.5

這個問題不是因為你的環境變數沒設定好，是 R 的環境變數沒設定好

所以打開 R ，執行

Sys.getenv("LD_LIBRARY_PATH")

簡單看一下他顯示什麼

然後離開 R ，去修改R內部的LD_LIBURARY_PATH

cd /usr/lib/R/etc/

sudo vim ldpaths

插入 :/usr/local/cuda-7.5/targets/x86_64-linux/lib 在適當的地方，注意要有冒號

其實直接插在第三行應該也可以，儲存後離開，這時打開 R

Sys.getenv("LD_LIBRARY_PATH")

應該可以看到顯示 /usr/local/cuda-7.5/targets/x86_64-linux/lib/ 這個路徑了

最後請再安裝 gputools 再給他一次機會

sudo R CMD INSTALL gputools_0.28.tar.gz

應該就會過了

3.測試 gputools

我參考了R and GPU 這個網站的範例

進入 R

#載入套件

library("gputools")

#撰寫函數，測試矩陣乘法

gpu.matmult <- font="" function="" n="">

A <- font="" matrix="" n="" runif="">

B <- font="" matrix="" n="" runif="">

tic <- font="" sys.time="">

C <- a="" b="" font="">

toc <- font="" sys.time="">

comp.time <- -="" font="" tic="" toc="">

cat("CPU: ", comp.time, "\n")

tic <- font="" sys.time="">

C <- b="" font="" gpumatmult="">

toc <- font="" sys.time="">

comp.time <- -="" font="" tic="" toc="">

cat("GPU: ", comp.time, "\n")

}

#呼叫函數

gpu.matmult(1)

gpu.matmult(10)

gpu.matmult(100)

gpu.matmult(1000)

gpu.matmult(2000)

應該可以看到 CPU 和 GPU 在運算時間的差異，矩陣越大 GPU 越有優勢

但注意別輸入超過 10000 ，我的顯卡記憶體不足，最後會溢位

後記

gputools 這個套件有些時間沒有修正了，沒有跟上 CUDA 的速度，因此有些路徑可能會有錯，希望這篇可以幫到有需要的朋友們，開心的使用 GPU 進行運算。

Ubuntu 14.04 Nvidia GTX 750 driver 安裝

2015-11-02T11:48:00.000+08:00

Ubuntu 雖然好用，但每次裝顯卡驅動方式都有千百種，最後我終於找到簡單易懂的裝法了

基本上是根據How to install the latest Nvidia drivers on Ubuntu 14.04 Trusty Tahr這個網站的指示，但做了些許的修改。

1.找出顯卡型號

可以把舊的顯卡盒子找出來，或是用以下指令找線索

lspci -vnn | grep -i VGA -A 12

我的是

01:00.0 VGA compatible controller [0300]: NVIDIA Corporation GM107 [GeForce GTX 750] [10de:1381] (rev a2) (prog-if 00 [VGA controller])

也就是 GTX 750的意思。

2.找到該顯卡型號的驅動程式版本

到 http://www.nvidia.com/Download/index.aspx鍵入顯卡型號，我的是

記好版本 352 即可，無須下載

3.新增PPA

該網站提供了Xorg的PPA

sudo add-apt-repository ppa:xorg-edgers/ppa -y

sudo apt-get update

但 Xorg 沒有 352 版本的驅動程式，因此我用其他的 PPA

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-352(這裡請輸入自己的版本)

如果要使用最新的版本，請鍵入

sudo apt-get install nvidia-current

但我沒有測試過

4.到設定-軟體和更新選擇該驅動程式

點選 352.55的驅動程式，套用變更，等待跑完即可。

內蒙古之旅-滿州里

2015-02-01T13:03:00.000+08:00

滿州里

滿州里是這次旅程的最西北端，北緯49.6，也是這次最冷的地方。導遊說滿州里是俄語第一個城鎮的意思。因為此地相鄰俄羅斯，為中國與俄國的邊界，設有"第五國門"，中俄人民經常往來，早期俄國人到此地即為"第一個城鎮"，故稱為滿州里。

公路口岸，可以搭乘往俄羅斯的巴士從這裡前往俄國，抵達國界後會進行邊檢。

巴爾虎部落

巴爾虎部落是陳巴爾虎自治旗的一個觀光景點，介於海拉爾與滿州里之間的某處。所謂一個旗大概就代表台灣一個縣的單位。而目前呼倫貝爾有七個旗，其中三個是自治旗。詳見維基百科-呼倫貝爾。

由於是觀光景點，自然會有蒙古包等獨特的面貌可供參觀。而當地也準備了獨特的長調以及呼麥等獨特的演唱來表演，且演唱者都坐在馬或是駱駝上演出，相當有意思。

蒙古包內一打開就會看到一幅成吉思汗的畫像在面前。據說只要是主帳的帳篷一定會有這個配置。

蒙古包內也有各項傳統服飾可供穿搭。

帳篷群附近會有所謂的"敖包"，敖包是指神聖之地的意思，也是他們祭祀祈福的核心。而在廣大的草原上，敖包也肩負著路標指示的功能。敖包可說是蒙古大草原的一個象徵。著名歌曲<敖包相會>就是在表達這個壯闊的風貌。

草原三藝，騎馬，射箭與博克。當天雖然沒有表演射箭，但是有套馬的活動，也就是帶領大群馬移動，並用手中的竿子套住特定的馬匹。

賽馬的部份不會很緊張，但給人廣大的感覺，看著遠方小小的點逐漸接近，然後楊著沙塵的馬匹快速通過身旁，如果能夏天來到呼倫貝爾，在廣茂的青草地上騎馬奔馳，想必也是樂趣無窮的。

博克也就是我們俗稱的摔角，而摔角的過程並不火爆，而是平穩與歡笑居多。蒙古的青年多不壯碩，而是精壯為主，兩個青年互相抓住肩部，並續力將對方摔倒，還會突然踢對方的鞋子使對方失去平衡，而勝負往往就在那一瞬間決定。如上圖所示，那就是被踢歪立足點，失橫瞬間摔倒的樣子。而勝負之後雙方往往也是笑笑，繼續進行下一回合。

國門

國門就是國家的門，在國界上與其他國溝通。而中國與俄羅斯邊境上約有五個國門，這是第五個，也是最大的一個國門，並同時開放參觀。國門僅是意義上的通道，現今民眾不真的可以從這裡通過，真要通過要走公路口岸。國門底下有三條鐵軌，主要是從俄羅斯進口木材之用，而俄國鐵軌與中國鐵軌並不通用，故會在滿州里進行換車，滿州里也就成了木材的集散地。

中國國門與俄國國門中有一條三不管地帶，由兩側鐵絲網包圍，擅入的話狀況不會很好的樣子。邊防亦有軍隊駐守，進出國門附近會查驗證件。

由於滿州里是離俄國最近的一個城鎮，俄國人在週末常常會來旅遊玩樂。據說週五週六晚上滿州里的酒店旅館間間客滿，都是俄羅斯人飲酒狂歡，等到了週一一早就又恢復平靜。可惜我們抵達的時候是平日，沒能見到俄國正妹。

園區外圍還有展示火車頭，據說是毛澤東唯一一次出國時所搭乘的，整體保存狀況不錯。

套娃廣場

這個廣場據說是給附近居民散步用的，有著金氏世界紀錄的最大套娃，還有許多名人的套娃座落在附近，而我很幸運的看到了這個切的圖案。雖然不用門票，但整體而言略顯冷清，如果經過附近想拍個照也是很好拉。

風力發電

從滿州里回海拉爾的路上，沿途有不少風力發電的風扇，少說也有30幾座，上頭印著中國華能的名字，印象中在海拉爾的火力發電廠也是同公司的。

內蒙古之旅-海拉爾

2015-01-31T13:30:00.000+08:00

海拉爾

到當地之前，我從來沒有聽過海拉爾這個地名。原本應該是要到呼倫貝爾，怎麼會是到海拉爾呢？原來呼倫貝爾地區太過廣大，真正的都市名稱稱為海拉爾。而海拉爾是蒙古語"野韭菜"的音譯，原先是個長滿韭菜的地方。

海拉爾三山環抱，二水中流，座落在北山東山與西山之間，依敏河與六二六河川流其間。依敏河意指"可以喝的水"。內蒙古地區的水源並不充足，但整個呼倫貝爾地區遍佈湖泊，飲水充裕。

內蒙古地區的水源並不充足，但唯有呼倫貝爾地區遍佈湖泊，飲水充裕。呼倫貝爾的名字來自兩大湖泊，即呼倫湖與貝爾湖，呼倫湖面積碩大，比整個屏東縣還要大; 而貝爾湖略小，且有大部份的範圍落在外蒙古之中。而呼倫與貝爾分別是雌水獺與雄水獺的蒙語。這個大型的水域生態值得一看，可惜這次參訪中刪掉了去呼倫湖的行程，略顯可惜。

海拉爾主要由依敏河分成河東與河西，河東為繁榮熱鬧的商業區以及火車站，河西主要是政治中心，各大政府單位都座落於此，也包含了地區的林業局。

看起來很像紅色警戒的核能發電廠，其實是火力發電廠，導遊說是燃燒煤炭發電。從附近的礦山採煤，透過輸送帶送到發電廠，燃燒完的爐渣再透過輸送帶送回山裡回填，可以減少對地景的破壞。

呼倫貝爾大學

呼倫貝爾大學不算是一個真正的景點，但是我們抵達海拉爾後第一個去的地方，因為本團的目的是青年交流活動，因此有幾位海拉爾的學生會和我們一同參與接下來的行程。

整個呼倫貝爾大學由好幾所學院構成，校地廣大，學生約有一萬人。我所謂的校地廣大不是台灣的學校可以比的，光是宿舍群就有四五落，其他隨便一棟建築就比敝校大很多。

但整體而言相較於台灣，硬體設施仍顯得較為不足，如無障礙坡道，感應門禁等等。在這點台灣仍做的比較好一些。

反法西斯紀念園

反法西斯紀念園在海拉爾郊外的山坡上，將原先日軍佔領的坑道，碉堡等設施改成教育園區，周遭擺設一些當時與日軍對抗的坦克(T-34)與火砲，擺設的數量極多，適合軍武宅前往拍照。

坑道內部有當年的歷史簡介的解說導覽，日軍武器擺設，以及當年的日軍做過的"一些事情"的模型。但我對歷史不熟，裡面的人物和事件也太多，整體而言我只挑我喜歡的軍武照片拍拍而已。

成吉思汗廣場

市區中心的成吉思汗廣場是居民常去的地方，旁邊有熱鬧的商場，肯德基，咖啡店等等。廣場內有成吉思汗雕像以及相關的象徵物品。

冬天時會有雪雕展出，也有雪圈可以租借使用（20元人民幣/半小時）。

而廣場一角則有生態區，展示當地的樟子松，有興趣也可以前往一看。

西山國家森林公園

身為森林系的學生一定要到他們的國家森林遊樂區看看，但可惜有空時已經晚上了，附近拍拍照片而已。

西山國家森林公園離市區很近，就在某間中學隔壁，網裡走就是西山的樣子，後面有大片樟子松的原生林，也有造景用的人工林。樟子松是很好的木材，但生長特慢，由於此地緯度較高(49.5)年日照大約只有100日，植物自然長的慢。

而另我訝異的是，同行的老師說中國目前已經不再砍伐木材，主要依賴進口，最大的進口國好像是俄羅斯，因為俄羅斯人少地大，大片的森林放著沒用就砍伐出口到中國了。而導遊也說俄羅斯的木頭品質也不錯，在下回要介紹的滿州里即有俄羅斯進口木材的集散地。

小販

在市區繞繞就可以看到很多的小販，主要有乾貨與魚類，乾貨的種類太多，難以一一介紹，但有品嚐到糖炒栗子與海棠。糖炒栗子（板栗）吃起來口感和台灣差不多，但比較小比較不甜，一斤8人民幣（當地一斤為500g），但也有15人民幣的，味道可能更好。而海棠是薔薇科蘋果屬的植物，長的像小櫻桃，台灣沒有，吃起來就像蘋果一樣的滋味，但是小很多。讀者可能注意到當地氣溫是零下，海棠果也是凍成冰塊的樣子，直接吃可以，但泡水軟化後味道也不錯。

而魚販會販售各種生鮮食品，包含魚，螃蟹以及一些外星生物，大多捕撈自呼倫湖。而在當地天地即冰箱，魚類放在保麗龍盒中就會凍成冰塊，無須另外泡在冰塊里（超市裡面會）。據說在冰釣時也只要將於釣起丟在冰面上，魚就會自然凍住，甚至還要小心不要讓兩條魚凍在一起，會拔不開來。

超市

海拉爾的超市密度很高，而便利商店反而很少見。超是有不同等級的大小，從一兩坪大的"倉賣"到家樂福等級的大型超市都有。大型的超市大多要寄存背包，或是交給工作人員將背包"包"起來，才能帶進賣場，出賣場才會解開包裝。而寄存的櫃子頗高科技，按按鈕就會開一個空櫃，存好後會領到一個一維條碼，要取包時只要拿條碼逼一下即可。

而同行的老師說許多民生用品在超市買會比較便宜，但某些觀光產品就會偏貴，如藍莓果乾等，買之前要考慮一下。

哈薩爾大橋

由於海拉爾中有兩條河流過，城市中有大大小小的數座橋樑，而最漂亮的莫過於這座哈薩爾大橋，而橋上有馬頭琴的裝飾更顯示當地的民族氣息以及建築工藝。晚上時橋上會點綴著許多燈火，映著結冰的依敏河，相當有異國情調。詳細資料請參考度娘-哈萨尔斜拉桥。

機場路

海拉爾的國內國外機場都在城市東側的東山小坡上，可經由機場大街抵達。而機場大街是一條筆直的大斜坡，分隔島上設有蒙古族傳統的雕像，而最大的兩座雕像設在大街末端，分別是訶額侖和孛兒帖，也就是成吉思汗的母親以及妻子。晚上打上黃色燈光後金碧輝煌，莊嚴而有氣勢。

而從機場大街的山坡往下看，可以看到整個海拉爾的夜景，值得前往拍照。唯獨要注意該地車速較快，也是個風口，氣溫會比城市中低很多。

該山坡坡度較大，切勿飆車，飆滑板，飆直排輪（旱冰），你想的到的都有人玩過了，而且事後都躺在醫院。

鳳凰山天然滑雪場

當地的滑雪運動較為盛行，學生一年大多會滑個幾次，而學校也有滑雪的社團，而海拉爾城邊就有一個滑雪場。鳳凰山滑雪場稍遠，車程約要一個小時。裡面的裝備都可以租借，設備上算還不錯。

由於小弟第一次滑雪，也不便多介紹什麼，但整體而言感覺滑雪就是一種爬山＋摔下來的活動。而且很傷膝蓋，但滑下的來速度感真的很令人愉快就是了。

鄂溫克博物館

呼倫貝爾有著中國三大少數民族的聚落，包含鄂溫克族，鄂倫春族，达斡尔族。這個博物館在海拉而南邊的鄂溫克自治旗之中。其實目前某些漢人也有鄂溫克族血統，但有時還是以漢人自居。

鄂溫克族人以往生活在目前的中俄邊境，族群不小，多以樺樹皮製作器物維生。樺樹皮柔軟有軔性，可以製作帳篷。鄂溫克也會冶鐵，製作火筒槍械。在早期徵兵時是這裡的主力之一。

以單一樹幹削成的獨木舟。

出土的矽化木以及軟錳礦（A little bird taught me），軟錳礦並沒有解說牌，而且與其他植物化石放在一起。乍看之下真的很像植物，說不定也是一種碎型呢。

內蒙古之旅-哈爾濱

2015-01-30T10:39:00.000+08:00

前幾天參加了內蒙古的旅遊團，本篇會介紹幾個去過得景點做介紹，共計有哈爾濱，海拉爾，滿州里以及雜談等四篇文章，主要以地理分區為主，不按順序介紹。

冬季的哈爾濱

這是小弟第一次出國，由於沒有經驗，又看到當地氣溫為-20度，索性查了一些資料，但發現哈爾濱以及內蒙古等地的旅遊資料不如我想像中的多，因此活著回來之後決定發幾篇文章，介紹一下當地的一些環境以及旅遊景點。

哈爾濱夏天可達20度以上，冬天-30度以下也很常見。夏天涼爽，冬天賞冰燈，是熱門的國際旅遊景點，各個季節都可前往旅遊，體驗不同風貌的冰城生活。

相對於台灣，哈爾濱地區比較乾燥，因此-30度也不用太擔心，只要做好防風保暖，注意頭部，手腳等地方的防寒，其實不會冷到受不了。而該地區室內都有暖氣，遊覽車上也都不會冷，所以進室內就可以把大衣脫去，出外前再穿上即可。最重要的就是不要嫌麻煩，該穿就穿，該脫就脫才是最舒適的方式。

另外每隔一段時間就進室內讓身體回暖，等舒服了之後再往下個目標出發。隨時拿保溫瓶喝點熱水，維持體溫。

而在戶外時到處都是積雪，還有結冰的路段要小心行走以免滑倒，也別去走積雪深的道路，貨帶著手套去摸雪，事後會凍的頗痛。

電子產品要注意保暖，相機過於低溫會沒電無法拍攝，最好準備可替換的電池放在身上保溫。若進室內發現相機開始起霧，就要收進背包或是塑膠袋中，以免內部產生露水。而戴口罩也容易使眼鏡起霧，就看個人狀況決定是否戴隱形眼鏡。

下面就介紹幾個常見的旅遊景點以及相關注意事項

龍塔

龍塔是黑龍江省的廣播電視塔，塔高336米，為全鋼結構，外型壯觀，若要登塔要收取門票，印象中是150元起，因此我們在附近晃晃就走人了。龍塔廣場有廣大的停車場，遊覽車方便停靠。

冰糖葫蘆可說是隨處可見，注意他是"冰"的糖葫蘆，因為氣溫偏低的關係，聽說吃起來偏硬阿。

聖索菲亞大教堂

這裡可說是哈爾濱排名第二的旅遊景點，販售明信片的照片上大多有此教堂，離中央大街很近，周遭也有許多小販，值得前往拍照留念。

該教堂原本是俄軍佔領時所建的木造隨軍教堂，後來在外牆加上紅磚擴建，文革時遭破壞，事後進行修復工程，內部現為博物館，進入需收門票。

俄國東正教十字架下方多一條斜線，代表踏腳板，而傾斜的原因是，耶穌被釘在架上時，身旁有兩位強盜，一位改邪歸正，耶穌允諾他上天堂，而令一位則嘲諷耶穌，最後則下了地獄。該橫槓暗示著審判的力量。

而馬迭耳冰棍與秋林格瓦斯是當地有名的商品，在零下的地區吃冰棍可以不用擔心融化的問題，可以放進口袋等等再吃（誤），而秋林格瓦斯在後面的雜記再做介紹。

中央大街

中央大街是哈爾濱最有名的旅遊景點，原本是工人所聚集的大街，後來演變成商業發達的地區，全長1.4公里。早期由於地上泥濘，人車通行不易，因此使用花崗石地磚鋪設整條大道，每個花崗石大小均一，形狀如麵包一樣，整齊的拼湊，又名麵包石。據說一個花崗石的費用就是當時一個工人一個月的工資，這種感覺好像是現今台中市的外勞覺得BRT很不方便，因此幫台中蓋了捷運一樣。

中央大街有各式的俄羅斯式建築，多達42棟，秋林公司的分店也有分佈，其他註明的景點還包含馬迭爾賓館，教育書店，華梅西餐廳等。喜歡的旅客可以前往拍照，大街兩側也會展示冰雕，冰燈等作品。

中央大街也是遊客們喜歡買紀念品的地方，兩側林立了諸多的俄羅斯商品，如鑲鏡，酒壺，套娃，巧克力等等，一家比一家更便宜，越買會越心痛，走到後面才會領悟觀光客都是來被削的。這裡舉個例子，同品牌的魚子醬可以從23到98人民幣不等，端看你在哪裡消費。這時就要導入數學中所謂的秘書問題（或稱蘇格拉底與玫瑰花），來達到最有效的購物。而據說夏季時遊客多，會被削的更厲害，冬天則是淡季，售價更為低廉。

中央大街附近百貨林立，連美國的沃爾瑪都有，裡面賣的秋林格瓦斯是我看過最便宜的，一瓶2塊人民幣，整箱還有優惠。哈啤也只要2.1人民幣，有許多商品可以考慮直接進大賣場買，比較有保障。

防洪紀念塔＋松花江畔

中央大街走到底就是防洪紀念塔，繼續往前即是松花江畔的遊樂園，有到中央大街的話也可以一同前往參訪。

防洪紀念塔就不多說了，非相關領域，歷史也不是很熟，但是個很漂亮的景點，旁邊的斯大林公園也有整排的路樹可以拍照，可以去走走。

但松花江畔可熱鬧了，松花江在冬天時結冰可達一米，人車可以通行，車子可以在上面"漂移"，但似乎禁止冰釣。而城市中的透明冰雕都是取自松花江裡面的冰塊堆疊而成。另外松花江畔則用江水澆灌成冰面，上面有眾多遊樂設施，如大滑坡-乘坐橡皮圈由上一路滑到底，或是乘坐馬車遊江等等，熱鬧非凡，帶小朋友前往很適合。大部分的遊樂多會收取費用。

松花江上有高空纜車可以直達太陽島，也就是下個景點-俄羅斯民族風情小鎮

俄羅斯民族風情小鎮

這個景點非常的觀光化，進入要收門票，門票是一本藍色護照，可以到各個俄羅斯風格的小屋中蓋章，還算頗有創意。但整體而言就是賣一些俄羅斯的小商品，雪糕等等，或是看一些傳統的擺設，甚至與俄羅斯大媽拍照都要收費。本團在這停留時間不多，沒逛完所有屋子，也無法做更深入的介紹。

黑龍江省博物館

黑龍江省博物館，展出該地區的相關民俗文物與歷史資料，門口可以免費領票，下午四點就關閉了，進場的安檢還算嚴格，等同機場等級。

這是我第一次看到國外的博物館，內心頗有感觸，雖然硬體設施不算完善，展示出的文物頗有氣勢，我映像中有個金製的小佛像，雕琢細緻，解說牌簡簡單單，但在昏暗的燈光下顯得奕奕動人，另我印象深刻。其他比較吸引人的還包含恐龍與植物的化石等等。建議有空可以前往參觀。

聖尼古拉教堂（伏爾加莊園）

伏爾加莊園離市區稍遠，車程約要一個小時，裡面的中心是聖尼古拉教堂，也是文革後修復的建築，除此之外還有不少俄式建築，也都是仿照之前的樣式建造。

每棟建築都各有功能，如博物館，沙龍，舞廳，咖啡店等等，甚至還有打高爾夫球的地方（想必是夏季限定），園區說大不大，但走起來還是有點累，尤其是踏在雪地中，特別消耗體力。

缺點是距離較遠，商品稍貴，許多遊樂設施也要額外付錢，但門票可以抵一次滑梯的費用，還算不錯。而滑梯要搭乘小纜車上山，長度約有兩百米，非常刺激。

哈爾濱火車站前
哈爾濱有許多火車站，大站還分成哈爾濱站和哈爾濱東站，相關資訊可上哈爾濱鐵路局查詢。而哈爾濱車站前有許多百貨，超市，飯店林立，也是值得一去的地方，海關街，紅軍街，頤園街也都有些小販，販售零食給過往的旅客，如烤冷面，雞蛋糕等，吃起來與台灣的差異很大，而且價格便宜。

臥鋪

這次內蒙古之旅會由哈爾濱移動到海拉爾，1000公里左右的路程是乘坐臥鋪火車前往，耗時約十小時，晚上七點半發車，隔天早上五點半抵達。

中國的火車管制非常嚴格，車票採用實名制（可預防黃牛票），並核對身份證件，進車廂前要經過機場等級的安檢，進車廂後還要驗三次票，並更換成小卡片，下車前再換回車票。因此要搭車要和搭飛機一樣提早90分鐘以上抵達。

車站室內和月台空間都很大，在安檢後河上車前會有休息的座椅空間，數量十分的多。而月台高達10個以上，車廂也長達15節。

臥鋪有分成軟臥硬臥，軟臥比硬臥貴很多，空間也較大（4人一隔間），而硬臥則是6人一個間，先分成左右兩邊，每邊再分成上中下層這樣，每層都有自己不舒服的地方，上層太高很難爬，上去之後不易下來，中層太擠，幾乎無法起身，下層太多人坐著，熄燈前感覺很沒自由。

臥鋪車廂的走道有小的桌椅可以休息，但一隔間只配兩個，所以剩下四個人大多是坐在下舖。而臥鋪隔間床底和上鋪頂端可以放置行李，中型行李箱也ok。

火車提供免費廁所，熱水等，另外還有販售零食，飲料，煙品等推車會不時經過。最特別的是充電寶服務，可以替手機充電，也是要收取費用的。

刀具保養

2014-06-29T17:17:00.000+08:00

這次去澎湖泡水的行程中, 特地讓兩把刀也泡了一下, 每天至少都待在海中半小時, 晚上用清水泡過擦乾, 都沒有分解保養, 回到家裡後再一起保養, 見證一下貴鬆鬆的 Small Sebenza 21 到底貴在哪裡, 而便宜的 HK Ascender G10 又有哪些好處。

上圖是保養刀具所需的一些工具, 上半部是必備的保養油, 磨刀石等, 保養油以除鏽潤滑為主, 可用 WD40 , G10 握柄並不會被 WD40 所侵蝕, 而刀身等不銹鋼的部分若有鏽蝕, 也可用鋁箔紙包覆成碗狀, 浸泡 WD40 一日, 再取出用洗碗精清洗即可。

但筆者比較無聊特別買了軍用的武器保養油 Break Free CLP (Clean, Lubricate and Protect), 可同時清洗, 潤滑以及防鏽, 但是比起 WD40 稍貴了一些, CLP 1 c.c. 約 2 元, 圖中 125 c.c. 的小瓶裝可至特力屋的軍購櫃台購買, 約兩百元。

上方右側 DMT 的磨刀石改天介紹, 非常實用, 而綠色的皮帶則是塗抹了俗稱青土的磨刀石, 可以更加細緻的修飾刀鋒, 直到可以剃毛的程度, 電影中理髮師拿牛皮刷兩下的動作就是用青土在磨刀, 另外我想這也是GreenRock名字的由來XD。

電工膠布不是為了搭配 WD40 出現的, (傳說中 WD40 與電工膠布可以解決世界上所有問題, 應該動的不動了, 使用 WD40, 不該動的會動, 使用電工膠布, 而其實電工膠布指的是美軍專用的 Duct tape, 而非圖中這種), 電工膠布是拿來磨刀時"墊刀"用的, 磨刀時刀身要穩, 除了手握之外刀還得靠在一個可以吸震的表面, 有天突然發現電工膠布是很好的材料, 還可以順便黏起磨刀時上的粉塵。

而右下角是 Small Sebenza 21 (以下簡稱小莎) 專用的維修工具, 六角版手一只, 專用潤滑油一瓶; 左側則是 HK Ascender G10 折刀所需的拆刀工具, 不同大小的星狀起子, 可在電子材料行購得。由此就可以發現小莎的拆裝容易許多, 在野外攜帶上或是臨時需要拆解, 取得一只六角版手比三把星形起子容易多了。而小莎的潤滑油有特殊含氟成份, 減少軸承間的磨損。若要有替代品也要找黏度適當的油品才行。

刀身比較, 小莎明顯勝過 HK , 刀身的鋼材是一把折刀的心臟, 好的鋼材除了影響鋒利度, 持久度與硬度外, 還有最重要的就是防鏽的能力, 泡海水是最傷刀的行為之一 (另外尚有切紙箱, 砍劈, 撬等等動作, 都令人心疼), 這次難得看到乾淨的海水就和兩把刀一同下海游了一下, 起身也未用清水沖洗, 晚上回到房間打開一看, HK 9Cr13的刀身佈滿鏽斑, 而小莎採用 CPM S35V 的刀身則依然光潔。

使用多年的 HK折刀佈滿了磨刀的痕跡, 再加上泡海水前有撬過牡蠣殼, 刮傷的部份非常容易生鏽。

入手不到半年的小莎, 前陣子割過紙板, 有稍微磨過刀, 磨過較粗糙的部份有一點鏽斑。除此之外依然光潔鋒利。

小莎拆開保養, 墊片與鎖定處有累積砂石, 這是這款折刀常見的困擾之一, 一體成形的閉鎖系統, 砂石容易從縫隙中進入。白色部份是小莎的保養油, 具有黏性, 也可能是易堆積砂石的原因。

小莎的止刀柱有最嚴重的鏽蝕, 但使用 CLP 清洗過後有明顯改善, 畢竟是鈦合金的製品。另外是銅製的墊片有明顯鏽蝕, CLP 無法清洗乾淨, 索性用 #1500 的磨刀石直接打磨, 雖然影響整體折刀的設計, 但總比留有鏽蝕在內好。另外我稍嫌小莎開刀有點緊, 打磨墊片也是我很想嘗試的作法, 果然有稍稍順手一些。上圖右側是小莎中軸, 沒有任何鏽蝕, 大概是因為鈦合金加上潤滑油的關係。

HK 的中軸, 拇指柱, 止刀柱, 墊片都有明顯鏽蝕, 大量的螺絲都放進鋁瓶蓋內倒入 CLP 除鏽後擦乾, CLP 的除鏽能力似乎沒有 WD40 來的優秀, 但防鏽能力就明顯提昇。以往我都使用 WD40 作為除鏽保養用油, 但在 G10 刀柄與鐵片接觸面都會嚴重鏽蝕, 久久無法改善, 再去澎湖之前改用 CLP, 這次該平面竟然沒有嚴重鏽蝕, 和上次保養完相差無幾, 顯然留存的 CLP 有良好的防鏽能力。但其他上述的滑動部位, 並沒有上過 CLP 處理, 即使有上過因為黏度不夠應該也容易減少, 所以造成較嚴重的鏽蝕, 這是以後應該要設法克服的地方。

另外補個小知識, WD40 和 CLP 都不可食用, 但小弟我都吃過, 畢竟在軍中少有時間洗手, 保完槍後就直接拿土司來吃了, CLP 偏鹹, 而 WD40 有個苦味, CLP 沾到手用肥皂即可去除, WD40 則較難清洗的掉。但是拿來保養刀具再去切食物, 我個人是不太在意的, 當過兵後什麼都可以不太在意了。

HK 的裏刀身, 有輕微的鏽蝕, 尤其是螺絲的接觸面, 若不盡快保養, 未來螺絲會卡死。

泡過 CLP 的螺絲, 全部都屬於 HK 折刀的, 螺絲種類非常多樣, 中軸, 刀身, 背夾各式不同尺寸, 故要不同的星形起子才打的開; 零件多, 要完全保養也非常耗時。

因此小莎的保養明顯勝過其他折刀, 這就是小莎被稱為折刀界王者的原因, 三片鐵, 三根螺絲, 零件少, 保養容易, 更因為其防鏽性質無須時常保養; 唯獨在組裝刀身時需要注意墊片與刀身位置, 因為小莎十分精密, 一個偏差就會影響到刀刃開闔的性質, 我第一次拆裝小莎就遇到著個問題, 但第二次就熟能生巧了。

如此說來 HK 的折刀似乎大敗, 但總的來說, 一把兩千元左右的折刀很能捨得下海水, Tanto 刀尖拿來撬開牡蠣也不用擔心斷刃; G10 握柄非常惰性, 不易鏽蝕, 容易抓握; 零件雖多, 但組裝起來無須技巧, 其實比小莎更適合新手; 刀身硬度較低, 加上 Tanto 形狀, 兩者皆易於研磨(小莎比較硬, 磨起來我還很挫折), 可以練習磨刀技巧, 都是新手適合購買的各項因素。

結論就是雖然有了小莎, HK Ascender G10 仍然還是會帶在身上, 應付各種蠻力或是捨不得使用的危險環境(比方借給別人用XD)。

H@H on Rpi

2014-06-19T09:38:00.000+08:00

畢竟是本網誌第200篇文章, 當然要符合一貫的原則, 那就是低調與實用(誤)
這篇教學需要有很多背景知識, 畢竟自己也花了很多時間研究, 但成果非常豐碩, 在外島期間伺服器完全正常運作, 替我累積了1.8G的資料以及1000多的Hath值, 如果你聽不懂我在說什麼那是正常的, 如果你聽得懂, 也有興趣玩看看, 那就繼續往下閱讀吧

本文要介紹如何利用樹梅派(以下簡稱Rpi)運行H@H(也就是某熊貓站的P2P軟體), 因此使用者要對Rpi與H@H這兩個東西有些初步的認識, 才能得心應手, 因為我其實懶得重頭教學起。順帶一題除了我之外, 該網站上也有很多高手是利用樹梅派運行的, 請參考此

硬體設備
Rpi model B
16G記憶卡(cache約可存10G)

程式碼如下

1.升級樹梅派

sudo apt-get update
sudo apt-get upgrade

2.初步設定

安裝 vim 或習慣的文字編輯軟體
sudo apt-get install vim

開啟ssh遠端登入服務, 即可把樹梅派的線路簡化成2條(電源+網路)

3.samba

網芳, 可與windows做連結, 可利用樹梅派載檔案再丟到windows中
如果只是要純粹賺積分那就跳過

其中samba檔的設定如下
unix charset = utf8
display charset = utf8
dos charset = cp950
security = share

新增一個資料夾 /hath

[hath]
comment =
path = /hath
writable = yes
browseable = yes
guest ok = yes

重點在...該資料夾要777

4.java

這是重點, jdk7會導致樹梅派上傳極限值大幅下降(以我為例好像是36kb/s), 所以必須用jdk6或jdk8, icetea提供的我則沒有測試過

wget http://www.java.net/download/JavaFXarm/jdk-8-ea-b36e-linux-arm-hflt-29_nov_2012.tar.gz
tar zxf jdk-8-ea-b36e-linux-arm-hflt-29_nov_2012.tar.gz
rm jdk-8-ea-b36e-linux-arm-hflt-29_nov_2012.tar.gz
sudo mv ./jdk1.8.0/ /opt/
sudo chown root:root -R /opt/jdk1.8.0/
sudo ln -s /opt/jdk1.8.0/ /opt/jdk8

sudo nano -w /etc/profile
添加
PATH="$PATH":/opt/jdk8/bin
JAVA_HOME=/opt/jdk8

sudo update-alternatives --install "/usr/bin/java" "java" "/opt/jdk1.8.0/bin/java" 1

5.mount

因為我直接灌在16G的記憶卡中, 無須掛載其他磁碟
但若要掛載其他磁碟增加容量, 就要考慮到電腦重新開機時要自動掛載
還有外掛2.5吋硬碟的話, 該USB HUB 要有主動供電的能力, 不然會有I/O錯誤或是讀不到的情況

6.hath檔案

上網下載H@H的主程式, 解壓縮到/hath中
此時可以先試運行

sudo java -jar HentaiAtHome.jar

登入帳號看看能否運轉, 可以的話代表前述java設定無誤

顯示綠色Online就代表成功了, 以樹梅派不超頻的狀況, 冷開機可能要達10分鐘, 若是正常起動可能也要3~5分鐘, 要耐心等待, 超頻的話時間可以減半, 但注意散熱。

7.rc.local

開機自動啟動H@H程式, 僅須修改rc.local檔, 開機就會執行此程式

sudo vim /etc/rc.local

添加以下兩行, 注意第二行末紅色部分是指把H@H的輸出資料寫入到datalog檔案中, 並且不在螢幕顯示, 這樣的好處是可以遠端登入Rpi中監控H@H的運行狀況, 缺點是datalog檔會越來越大, 半年大約1.8G, 但可以讓他自行清理, 不然就改成 >> /dev/null & 就不會有檔案產生, 但似乎無法監控, 詳情請參考鳥哥資料流導向

cd /hath
sudo java -jar HentaiAtHome.jar --disable_bwm --disable_logging --skip_free_space_check --use_more_memory >> datalog &

8.crontab

自行清理, 看要多久自動關機清理一次, 一週或是一個月很洽當, 但不清理也沒關係, 把datalog檔變成黑洞(/dev/null), 而且樹梅派很穩定, 我自己半年沒關過都沒問題

crontab -e(不登入時會也會執行)

添加以下, 代表每天晚上9點55分會執行reboot.sh檔
55 21 * * * /home/pi/reboot.sh

修改完後重新啟動
sudo /etc/init.d/cron restart

並在/home/pi/底下新增可讀可寫可執行的reboot.sh檔(777), 內容如下
#!/bin/bash
sudo kill $(ps aux|grep 'java'|grep -v 'grep'|awk '{print $2}')
sleep 30
rm /hath/datalog
sudo shutdown -r now
exit 0

如此一來就大功告成了, 試著重新開機看是否有自動運行H@H, 然後到指定時間是否有自動重開, 重開完是否又自動運行, 並且datalog檔是否有移除更新

9.其餘設定

遠端登入時, 利用tail指令監控datalog的變化
tail -f /hath/datalog

樹梅派內建溫度監控(單位是度, 目前裸殼平均是50, 若有風冷可以降到36)
cat /sys/class/thermal/thermal_zone0/temp | awk '{print $1/1000}'

檢查cache已有的容量, 建議網路上設10G即可
du -sh /hath/cache/

樹莓派於生態領域的應用

2013-11-09T14:57:00.001+08:00

樹梅派(Raspberry Pi)是一塊ARM架構的小電腦, 可以安裝Linux為作業系統, 再加上一些感應器便可執行許多功能, 而且價格便宜(25美金), 目前有許多學生用來做專題, 我從葉難的網誌中擷取了一些和生態有關的專題上來給大家分享, 相關的圖片都來自該專題的網頁。

另外再介紹之前先提供幾個連結

樹梅派官網提供各種討論及技術支援, 包含OS的下載
台灣樹梅派提供台灣地區購買主板及周邊材料
葉難中文技術支援的網誌
Raspberry Pi 的奇幻漂流一樣是提供中文簡介的網誌
鳥哥的私房菜 Linux方面的教學文章

上述是這一兩個月來我在學習上查閱最多的部分, 有心學習的人可以參考看看。

這功能看起來頗吸引人阿, 大家都知道紅外線攝影機可以...

目前就更新到這, 最近想到一個世界級的樹梅派計畫, 也準備要開始研究了

跟我一起 去旅行

絕命技師 S01E05 原爆點與示範點-Olancho

絕命技師 S01E04 世界展望會 World Vision 蟲害專家與防治戰略

絕命技師 S01E03 超市Supermercado Paiz

絕命技師 S01E02 ICF監控組與林地調查

絕命技師 S01E01 ICF森林保育署

絕命技師 試播集 S01E00 初抵宏國

美軍四件式睡袋組-模組化睡眠系統

R語言常用迴歸分析簡介

2.尺度縮放

1.普通線性迴歸

2.多元線性迴歸

如何選取適當的自變數加到迴歸模型？

1.全部選擇，丟進你所有的自變數並完成模型。

2.後退減少

3.向前增加

4.雙向

5.列出所有排列組合，選擇最好的模型

3.多項式迴歸

4.支持向量迴歸 Support Vector Regression (SVR)

5.決策樹(迴歸，又稱迴歸樹)

6.隨機森林

樹莓派 NTP SERVER 設定，含 PPS 訊號源

太陽能板市電並聯系統架設，含監測硬體(軟體篇)

太陽能板市電並聯系統架設，含監測硬體(硬體篇)

QRcode 樹木解說與WORD批次列印

使用R進行簡易的影像比對-以蝴蝶斑點為例

R data mining 練習 - Mobile01 的單車討論版

常用統計檢驗法簡介

學生T檢驗 Student T.test(又稱 T 檢定、T檢驗、t.test，以下簡稱T檢驗)

卡方檢定 chi-square test(以下簡稱卡方檢定)

費雪精確性檢定 Fisher's exact test

變異數分析 ANOVA

羅吉斯迴歸 Logistic Regression

迴歸和相關的差異

更換滑鼠微動開關 G500

Cooper 插座

R 套件 gputools 0.28 與 CUDA 7.5

1. 先裝CUDA

2. 安裝 gputools

3.測試 gputools

後記

Ubuntu 14.04 Nvidia GTX 750 driver 安裝

1.找出顯卡型號

2.找到該顯卡型號的驅動程式版本

3.新增PPA

4.到 設定-軟體和更新 選擇該驅動程式

內蒙古之旅-滿州里

內蒙古之旅-海拉爾

內蒙古之旅-哈爾濱

冬季的哈爾濱

刀具保養

H@H on Rpi

1.升級樹梅派

2.初步設定

3.samba

4.java

5.mount

6.hath檔案

7.rc.local

8.crontab

9.其餘設定

樹莓派於生態領域的應用

氣象與污染觀測站 AirPi

野生動物監控

土壤水分監控

紅外線攝影鏡頭 Pi NoIR (Pi, no infrared)

跟我一起去旅行

絕命技師試播集 S01E00 初抵宏國

4.到設定-軟體和更新選擇該驅動程式