【南投信義】丹大林道與消失的省道台16線｜可徒步深入中央山脈的經典長程林道

圖片
布農族人有這麼一句話：「濁水溪的上游，不是終點，是我們布農文化的起源」，這句話揭開 丹大林道 的旅行序幕。下面是幾年前，丹大林道還沒被媒體大肆報導前，我曾在某個冬季前往安靜的丹大林道徒步健行和野營，以及在工寮過夜的三天兩夜重裝健行紀錄。 2024.01.31更新：合流坪的鋼便橋已於今日被台電撤除了 連結： 台電施工後丹大林道「恢復」通行！ 拆橋挖巨溝「車輛恐無法通過」 丹大地區 位於臺灣本島中部之濁水溪上游，行政區隸屬於南投縣信義鄉，為全國面積第二大的鄉鎮。丹大地區也是濁水溪的發源處。東側翻過中央山脈可達花蓮，南鄰玉山國家公園，西接日月潭國家風景區，北側則與仁愛鄉相接。 潭南、雙龍、地利及人和四村等區域皆位於信義鄉，著名的 丹大（孫海）林道 便位於地利村中，沿著步道往東至花蓮邊界處可與七彩湖相接。其中地利村及雙龍村面積最大，合佔本區約七成面積，人和村次之，面積最小者為潭南村 。 丹大林道周邊地圖 丹大林道路徑示意圖 日治時期西元1943年，原本預計將東部花蓮木瓜溪流域附近的水力發電廠所生產的剩餘電力運輸到西部，但因為日本在1945年戰敗後，計畫就宣告中止，1948年台灣工業急速發展，用電量大增，直到1950年獲得美國援助執行了能高路線全長45公里的69kV東西向輸電計畫。 之後為了解決花東地區電力供應問題，台電於1985年開始研究新東西輸電之路線，最後決定自南投明潭發電廠與大觀第二發電廠輸送電力至花蓮鳳林超高壓變電所，此新東西輸電線於1990年開始辦理路線中心測量，1998年完工，全長72.4公里。 沿線共有196座電塔，線路橫跨中央山脈海拔2925公尺的崇山峻嶺，並在「 七彩湖 」附近的越嶺處設有「 光華復旦 」紀念碑，西以 丹大林道 、東以 萬榮林道 為維修保線道路。 丹大林道是深入丹大地區的重要通道，1958年（民國47年），出生於現今雲林縣口湖鄉的孫海，標得林務局巒丹大事業區第八林班地檜木原始林採伐權及伐木後的重新造林權，為了進入深林，孫海沿著原本的山徑開闢出可以卡車通行的丹大林道，因此丹大林道也被稱為「 孫海林道 」。 當年為了闢築林道與運輸需要，孫海建造了一座木橋於合流坪橫跨濁水溪，之後改為水泥橋，這座橋就是著名的「 孫海橋 」。 為了伐木業而開闢的丹大林道，其終點一開始並不是在七彩湖，後半段到光華復旦碑約12公里路段，是台電為了興建東西線輸電工程，才於

Gemini 多模態 AI 模型與生成式 AI 應用：透過 Vertex AI 在 Android 應用程式加入 Gemini Pro （和 Vision）的使用心得

2023 年 12 月，Google 推出了 Gemini 多模態 AI 模型（Multimodal AI），並且在今年 2 月初 宣佈將 Bard 正式更名為 Gemini，並升級到 Gemini Pro 模型，宣稱它擁有更好的邏輯、理解與創造分析能力。Gemini 代表著 Google 在發展大型語言模型（LLM）的新里程碑，它也是 Google DeepMind 成立時的第一個願景的首次實現。

一般用戶可以在 Gemimi 官網上免費使用這項服務，也可以付費使用 Gemini Advanced 進階版本（內建 Gemini Ultra 1.0 模型，國外評測認為有接近 GPT 4 的能力）。

Gemini 多模態 AI 模型共有 Gemini Ultra、Gemini Pro 和 Gemini Nano 三種不同規模的大小。Ultra 版本面向複雜任務，Pro 版本適用於廣泛的任務範圍，Nano 版本則專為行動裝置上的任務優化。

Google 在去年秋季小範圍向一些公司提供了 Gemini Ultra 的早期版本，有使用者表示，他相信 Gemini 有朝一日可能成為 AI 市場上最強大的模型，因為在使用過程中發現，這個模型能夠避免大多數當今大型語言模型（LLMs）會面臨的幻覺問題。

根據實測結果，Gemini 是第一個在大規模多任務語言理解（MMLU）上超越人類專家的模型，且在 32 項 AI 測試中，有 30 項測驗結果超越 GPT-4。

與目前市面上的大型語言模型相比，Gemini Ultra 在 32 種學術基準測試中，有 30 個測試結果領先對手，上述的 MMLU 即是其中一項。MMLU 是結合數學、物理、醫學、歷史、法律、倫理等 57 個領域來測試知識及解決問題能力的基準測驗，Gemini Ultra 得分為 90.0%。

有別於使用純文本作為提示輸入的大型語言模型，多模態 AI 模型能夠無縫地理解並處理包括文字、程式碼、圖像、音訊、視訊等內容並生成推論結果。

舉例來說，以客服機器人的應用場景為例，Gemini 模型將不只能從對話文字上理解客戶，更能同時從表情、聲調理解客戶話語中的意圖。

Gemini Multimodal AI

現在開發人員可以透過 Google AI Studio 存取 Gemini Pro 和 Gemini Pro Vision，每分鐘最多60個請求（RPM），這已適用於大多數應用程式開發需求。

如果要在應用程式中引入 Gemini Pro，可以參考 Google AI for Developers 的說明，透過 API 方式存取 Gemini Pro 模型（註：需付費），在應用程式中引入生成式 AI 的功能。

下面文章帶你了解如何開始使用 Gemini API：

Gemini Pro 的收費表標準

而適用於裝置端的 Gemini Nano 模型，則可以透過 Android AICore 在部分設備上執行（目前已向 Google 自家的旗艦 Pixel 8 Pro 開放），不過目前仍是搶先體驗預覽版，想要使用需進行申請。Gemini Nano 分為2個版本，分別為 Nano-1（1.8B，18億參數，針對低記憶體裝置）、Nano-2（3.25B，32.5億參數，針對高記憶體裝置）。

Google 在創造 Gemini 時考慮了多模態。這使該模型可以理解文本、圖像、視頻、音頻和程式語言。雖然其他的大型語言模型（如 ChatGPT），也開始參與多模態場景，但多數仍是依賴插件來實現多模態功能。

反之，Gemini 是以多模態特性構建的，這使它能夠無縫地針對文字、圖片、聲音、影片、程式碼等多種型態的內容進行理解並推理。據稱，憑藉這些功能，Gemini 除了能夠處理簡單、一般化的任務，還能處理需要高水平技能領域中的複雜流程，如數學、物理、編程等。

Google 在去年 12 月發布過一段 Gemini 技術演示影片，但後來被開發者質疑影片中該模型的能力是虛構、經過剪輯的，使它看起來比實際更快、更即時且更有能力。

後來 Google 坦承該影片並非真實呈現，而是進行過一些微調，比如降低延遲，並且操作的過程也不是即時或語音進行，而是靠靜態圖像與提示操作。

但 Google 也稱影片中的所有使用者提示和輸出都是真實的，只是簡潔起見而進行了剪輯，該影片是作為展示使用 Gemini 構建的多模態用戶體驗是什麼樣子，這樣做是為了激勵開發人員。

官方展示 Gemini 強大的多模態功能：

The potential of Gemini：這一系列影片展示了 Gemini multimodal AI 在科學、推理、音頻、程式、數學與物理方面的能力。例如在沒有光學字元辨識（OCR）協助下，用戶只要給它一張手寫的數學試卷，Gemini 就能立即批改指出錯誤，還能進一步回答錯誤思維在何處，除了能逐步詳細解題，還能進一步產出相似題型提供練習。

開發人員可以從 Google 的 Github 上面找到各種程式語言的 Gemini AI SDK，裡面都有 sample code 可以參考，像我想自己寫一個 Android 應用程式，來看看 GenAI 對於圖像推理的表現，以及在手機 APP 上的使用體驗如何，那我就可以從這裡下載 Google AI SDK for Android，並執行裡面的 sample code 看我們要如何使用它。

也有人用 Python 寫了可以在電腦上執行的腳本，透過電腦的攝像頭和麥克風來將使用者的語音提示和相機拍攝的畫面，作為輸入讓 Gemini Pro 進行推論，並透過 Text to Speech 將結果讀出來，有興趣的可以參考下面文章。

不過這些功能，智慧型手機也能做到，而且手機更具靈活性，有天偶然讀到下面幾篇文章，對 multimodal AI 深感興趣，又剛好過年前前兩天上班比較閒，於是就用 Gemini Pro API，寫了一個 Android APP 來把玩測試一下。

Android AICore

目前 Android Studio 最新預覽版已經有提供 Gemini API Starter 項目模板，供開發者開始使用適用於 Android 的 Google AI SDK。此外，Google AI Studio 也為開發者提供了一種簡化的方式來集成 Gemini Pro 模型、製作提示、創建 API 金鑰，以及輕鬆將想法轉化為 AI 應用。

Gemini Pro API有下面幾種常見的使用例：

  1. 根據純文本輸入生成文本
  2. 從文本和圖片輸入生成文本（多模態）
  3. 構建多輪對話（聊天）
  4. 使用streaming方式傳輸加快互動速度

除了上面第2項以外，其他都是使用 gemini-pro 模型，使用多模態生成文本，必須選擇 gemini-pro-vision 模型，可以同時輸入文本和圖片，送出提示的圖片格式要求，可參考提示資料和設計裡面的內容。在 Google 提供的 sample code 裡面，將圖片大小縮減為 768 像素，用以加快 Gemini AI 推論和生成內容的速度。

發送給 Gemini AI 模型的每個提示都包含用於控制模型如何生成回答的參數值，不同的參數值設定，會使模型生成不同的回答。詳細請參閱模型參數的內容。

以下是一些可以透過 Gemini Pro Vision 提供幫助的視覺回答 （VQA）任務類型應用場景：

  1. 擷取影像並要求 Gemini Pro Vision 建立與影像相關的內容，例如針對設計的產品提供文案，或者是根據一些食材照片，提供料理建議，甚至是食譜和做法。
  2. 擷取報章雜誌的文章畫面，要求 Gemini Pro Vision 總結其中的重點內容。
  3. 要求 Gemini Pro Vision 分析視覺化資料（如線圖、圓餅圖），並根據視覺化提供關鍵見解。
  4. 擷取外文的菜單目錄，要求 Gemini Pro Vision 將菜單上的品項名稱翻譯為母語。

過年前，我花了一兩天實作了一個 Android 應用程式，用來測試 Gemini AI 在智慧型手機上的使用體驗。由於我要在同一個 UI 畫面中，同時可以看見相機畫面，並呈現 AI 模型推論後的文字結果，所以我將 Camera View 做成懸浮視窗，並使用 Android 內建的 Speech to Text 來用語音輸入提示（支援多國語言的語音輸入），同時也使用 Text to Speech 來使推論結果除了文字呈現外也能用語音讀出來。

我將模型的 Temperature 設置為 0.9，並且由於是直接拿兩年多前開發的 Android 相機應用來添加 Gemini Pro API，所以實作中並沒有用到 Gemini API Starter 項目模板，而是在現有的 Android 專案進行開發。

這個 APP 也可以不使用相機，單純以語音轉換後的文字來作為提示輸入，所以在 APP UI 上面，我只放了簡單的關閉相機和開啟相機的按鈕。另外我將整個流程做成 Android 的 Foreground Service，即使當返回手機主頁面，或是開啟其他 APP，這個 APP 沒有在前景執行的情況下，我依舊可以持續透過語音和 AI 對話。

Feb 22, 2024 updated

繼上週谷歌發布 Gemini 1.5 Pro 後，今天又發佈了全新的開放式語言模型 Gemma（芽），目前兩項模型已開放給 Google Cloud 用戶在 Vertex AI 平台上使用。

Gemma 採用與 Gemini 模型相同的研究、技術和基礎架構元件，效能遠超其他同級開放式模型。目前提供 Gemma 2B 和 Gemma 7B 兩種不同規模的模型。每個規模都發布了預先訓練及指令調整版本，以作研究開發之用。

Gemma 目前支援包括 Colab 筆記本和 Kaggle Notebooks，以及JAX、PyTorch、Keras 和 Hugging Face Transformers 等框架，而Gemma 模型亦可在筆記型電腦、工作站或 Google Cloud 上面運作。

開發人員可以使用 Vertex AI 上的 Gemma 模型，針對文字生成、撰寫內容摘要和問答等輕量級工作，建構生成式AI應用程序；運用自訂的輕量級模型進行探索及實驗，以支援研究與開發工作；用於支援需要低延遲的即時生成式 AI 應用情景，例如串流文字。

谷歌發佈全新的開源語言模型 Gemma

下面是透過 Android APP 測試 Gemini 多模態 AI 模型的效果：

首先問一下 Gemini AI 畫面中這是什麼？

Gemini AI 可以辨識出這是一隻秋田犬，但有時候會說是柴犬

單純用語音轉文字作為提示詞輸入

一般來說，像這種比較 general 類型的問題，AI 的回答都比較正確

接著問 Gemini AI 這個節目叫什麼名字？

Gemini AI 開始練肖威

再問一次，這次提示它「節目的名字在畫面的右上方」

結果 Gemini 依舊回幹話，給它額外的提示看來沒屁用，後來我又問了好幾次，但 AI 都是給一些不相關的綜藝節目名字

《舞‧舞‧舞》是村上春樹1988年初版的作品，讓 Gemini AI 只看封面，看它是否知道這本書的內容？

Gemini AI 給的答案看似正確，實則不然

給 Gemini AI 看包裝，看看它知不知道這是啥東西

這次的回答正確

最近剛好用到這個，問一下 Gemini AI 懂不懂這個東西？

回答看似有模有樣，但這瓶其實是二氧化碳（CO2）而不是N2O，不過好像有些氣泡水產品的鋼瓶使用的確實是氮氣瓶（N2O）。

接下來，問 Gemini AI 牆上這兩幅畫叫什麼名字？

畫家名字答對了，其中一幅「星夜」也答對了，另一幅是「隆河上的星夜」，不是什麼「星空下的柏樹」

再來問問 Gemini AI 這幅經典的作品叫啥名字

回答正確，看來目前 Gemini AI 只能對這種相對普遍被認知的事物給出正確的回答

再來給 Gemini AI 看個手辦，問問看它懂不懂這是啥？

Gemini AI 竟然連七龍珠跟布羅利也懂

問問看 Gemini AI 知不知道這件瑞典小狐狸褲子是什麼牌子？

答錯了，可能Uniqlo 還是比較普遍被認知

題外話，這個相機 APP 我當年使用 Mediapipe 來實作手勢辨識功能，他能偵測事先定義的靜態手勢，甚至可以實作動態手勢的識別（如左滑、右滑、縮放、輕按等動作）。可以想像在一個吵雜的環境下，語音識別功能可能會無法正常運作，這時假設 APP 是執行在智慧型眼鏡上，利用手勢辨識（或是眼鏡上的touch panel）搭配事先自定義好的提示詞，就能利用手勢操作來和 Gemini AI 互動，並透過智慧型眼鏡的骨傳導耳機將結果用聲音唸給你聽。不過這只是個想像中的使用場景，現實是目前穿戴式眼鏡的硬體效能和電池容量，要跑 Mediapipe 這類的視覺模型在上面，是非常吃力且不實際的（因為我們之前試過了）。

Gemini除了能看照片，也能看得懂影片

Gemini Pro 多模態模型，除了可以識別照片外，也可以看得懂影片。不過我試過了，目前透過 Google AI SDK for Android 好像無法實現，必須透過 Vertex AI 存取 Gemini Pro Vision 模型，才能實現影片產生文字。不過官方文件中有提到，使用視頻資料的提示受到以下限制和要求：
  • 視頻必須屬於以下 MIME 類型之一：
    MOV - video/mov
    MPEG - video/mpeg
    MP4 - video/mp4
    MPG - video/mpg
    AVI - video/avi
    WMV - video/wmv
    MPEGPS - video/mpegps
    FLS - video/flv
  • 我們建議每個提示不超過一個影片。
  • 模型將視訊處理為來自視訊的非連續圖片幀，音訊不被包括在內。 如果您發現模型缺少視頻中的某些內容，請嘗試縮短視頻，以便模型捕獲更多視頻內容的部分。
  • 系統只會處理前 2 分鐘內的資訊。
  • 每個影片佔用 1,032 個字元。
  • 不會分析音訊資訊或時間戳元資料。 因此，在需要音訊輸入（例如字幕音訊）或與時間相關的資訊（例如速度或節奏）的用例中，模型可能表現不佳。
同樣的，我在 Android 應用程式上，實作了錄影功能，我使用 Android 的 CameraX API 來錄影，在不修改 VideoCapture Builder 的設定下（影片畫質很高，檔案很大，13秒的影片大約15 MB），在 5G 訊號良好的環境下，影片推理時間大約將近10秒。

至於推理的結果嘛，首先我給 Gemini 看了一段日本旅遊型 YouTuber 前往印度品嚐美食的10幾秒影片段落，並詢問它這看起來是什麼影片？

Gemini AI 給了一個看起來有模有樣、煞有其事的答案，但其實跟影片內容完全不相干，YouTuber 的名字也說錯了（雖然很接近），也就是說回答內容完全是編造出來的。。。

讓 Gemini Pro 根據我給的 prompt 推理影片內容

Gemini 給了一個看起來有模有樣、煞有其事的答案，但其實跟真實內容完全不相干

接著我把錄影的解析度縮小為 640x320， 然後將 BitRate 改為 1024x1024，錄製一段16秒的影片，大小縮減為 2 MB 左右。在 5G 訊號良好的環境下，影片推理時間大約6秒。

我給 Gemini 看了一段關於 TSMC 在熊本設廠的新聞影片，並詢問它這是什麼影片？結果 Gemini 說這是日本首相視察^%$^%#^的影片（別鬧了～我去...）

給 Gemini 看了一段關於 TSMC 在熊本設廠的新聞影片，詢問它這是什麼影片？

Gemini 給的答案跟影片內容完全不相干

最後我測試了一下，在開車過程中，時速維持在40到60 kph之間，然後錄了一段10秒鐘左右的影片，丟給 Gemini 並詢問它「正在開車從儀表板上面的時速我最高開到了多少？」

詢問 Gemini 我最高時速開到了多少？（錄影時的車速維持在40到60 kph之間）

Gemini 回答說車速最高到160。。。不知道這答案是如何瞎掰出來的

為了驗證是我的code有bug還是 Gemini的影片推理能力真的這麼兩光，我直接把 mp4 影片檔丟到 Vertex AI Studio上面，行詢問一樣的問題，結果得到一樣瞎掰的答案...

在 Vertex AI Studio 上，用同樣的影片詢問一樣的問題，結果得到一樣唬爛的回答

簡單測試了幾輪下來，我對 Gemini AI 的影片推理能力的感想是，現階段用它做個小應用玩玩，或者做個 demo 騙騙外行人還行，但真的要用在 production 上面，我想還有一段距離吧！

這張圖完美詮釋了當前 Gemini 的影片推理能力程度

比較 Gemini 看圖說故事和 ChatGPT 看資料說故事的差異

後來我又測試將睡眠階段圖丟給 Gemini Pro Vision 去解讀，看它能否理解這張圖背後的含義，我先寫程式產生隨機的睡眠階段資料（假資料），並繪製出圖表，然後把 APP 截圖丟給 Gemini 並詢問「請分析以下睡眠階段圖，並告訴我關於我的睡眠品質狀況」。

APP 中顯示睡眠階段圖表的頁面（這是以前做的東西，可以透過低功耗藍芽同步穿戴式裝置上面的睡眠資料，圖表是用 MPAndroidChart 繪製的）

在沒有提供原始睡眠階段資料的情況下，Gemini AI 對以上睡眠階段圖所給的解釋，同時還給了一些簡單的建議。看起來還算有模有樣，沒有睜眼說幹話的跡象。

Gemini AI 對睡眠階段圖的解讀

Gemini AI 對睡眠階段圖的解讀

然後下面是我把上面睡眠階段圖的原始資料，透過 API 丟給 ChatGPT 並詢問差不多的問題，看看 ChatGPT 能給出怎樣的分析結果和建議，從結果看起來，顯然在 prompt 給的較詳細的情況下，能獲得的反饋也是比較詳細的。

所以可以想像的到，如果把原始睡眠資料丟給 Gemini Pro 讓它解讀，得到的效果應該也是差不多的吧。


ChatGPT 從原始睡眠階段資料中，對睡眠階段變化，以及睡眠品質給出的分析和建議

ChatGPT 從原始睡眠階段資料中，對睡眠階段變化，以及睡眠品質給出的分析和建議

ChatGPT 從原始睡眠階段資料中，對睡眠階段變化，以及睡眠品質給出的分析和建議


Google 正式發布了 Gemini 1.5 Pro

2024.4.11 更新：4月10日凌晨，Google 在官網正式發布了 Gemini 1.5 Pro，現在可在180多個國家/地區使用。 目前，可以在 Google AI Studio 開發平台免費試用 Gemini 1.5 Pro，有支援中文進行提示。

Gemini 1.5 Pro 模型直接支援多模態 + 多輪對話，可以讀取視訊、音訊等檔案（上限 20G），支援輸入的 token 上限達到了 100 萬，不過目前速率限制比較嚴格，每分鐘只有 2 次。

具有前後文記憶功能的 Multi-turn Conversation

現在透過 VertexAI API 的 ChatSession，我們可以實作具有前後文記憶功能的 AI 聊天機器人（這個  OpenAI 的 API 也能做到），下面是幾張 Multi-turn Conversation 的測試對話。其前後文記憶功能，也能夠與包含照片或影片的 Multimodal 多模態提示一起使用，例如我拍了一棟建築物，然後進行了幾次對話後，再問它說稍早拍的建築物外牆是什麼顏色的，AI 也能記得稍早的照片，並給出正確的回答。

初始提問

AI 的初始回答

AI 知道日式定食在對話中的前後文關係

AI 記得我在林口，以及我需要的是餐廳的訊息

AI 記得上次的對話，所以它知道第三家店指的是什麼

AI 的回答

AI 有對話的前後文記憶，所以我說的開車到那邊，它知道指的是哪裡

AI 的回答是正確的

最後我再故意問一次那家店，AI 也知道我指的是哪一家店

AI 給的回答正確

最後是對於多模態 AI 模型的感想

簡單用過 Gemini Pro 之後，我認為雖然目前多模態 AI 可能還不算非常成熟、聰明、即時，但是隨著軟體、硬體技術的發展，不久後的將來，AI 就會完全進入人類生活的各領域，一切都會變得理所當然，甚至讓你感受不到 AI 技術的存在。正如 N 年前我看過推特創辦人說過的一句話：最厲害的技術，就是讓使用者完全察覺不到技術的存在。

「人工智能有潛力為人們創造機會，並且帶來新的創新浪潮與經濟進步，並以前所未有的規模推動知識、學習、創造力和生產力。而我們目前，才剛開始觸及這一切可能性的表面。」--by 谷歌CEO 皮蔡

回想 2022 年底才問世的大型語言模型（如 ChatGPT），對許多人尤其是碼農而言，已是不可或缺的生產力工具，而 2023 年底出現的多模態 AI 模型（如 Gemini），更將 AI 的應用變得更加廣泛，它能夠應用在生活、出行、教育、工作、娛樂、客服，乃至醫療保健等各種領域。

雖然實際使用過 Gemini Pro API 並測試後，就能明白官方影片中呈現的效果，目前確實還無法真正做到，尤其是在即時性這方面。但不可否認的是 Gemini 所展示的多模態 AI 模型與其帶來的多元應用場景，以及將來 AI 如何全面改變我們的生活，確實都是非常值得期待的。


最近櫻花盛開了

位置： 333台灣桃園市龜山區

熱門文章

[轉載] 洛克菲勒寫給兒子的38封信（全文）

圖片
作者約翰·D·洛克菲勒 John D. Rockefeller（1839—1937年） 美國實業家、超級資本家，美孚石油公司（標準石油）創辦人。出生於紐約州裏奇福德鎮，父親威廉·埃弗裏·洛克菲勒是一個無牌遊醫，母親伊萊紮·戴維森是一個虔誠的浸理會教徒。由於其父缺乏責任心，長年在外以藥販身份流浪，導致家庭生活艱難。母親伊萊紮肩負起養家糊口的繁重任務，獨自撫養五個子女。幼年時，曾將自己捉到的小火雞精心餵養，挑好的在集市上出售。12歲時積蓄了50美元，他把錢借給鄰居，收取本息。 1855年，由於其父的原因不能繼續上學，離7月16日高中畢業典禮只差兩個月。約翰聽從父親建議，花了40塊錢在福爾索姆商業學院克裏夫蘭分校讀了一個為期三個月的課程。16歲的洛克菲勒在美國俄亥俄州的一家幹貨店當職員，每星期賺5美元。19歲，他下海經商，倒賣谷物和肉類。從這時起，洛克菲勒將每一筆收支記錄在冊，甚至不漏掉一個便士的慈善捐款。經過三年積累，22歲的洛克菲勒進入石油業，並於1870年創建標準石油公司。洛克菲勒成了蜚聲海內外的“石油大王”。 1897年，從標準石油公司退休後，洛克菲勒專註於慈善事業。中國在洛克菲勒基金會的其海外投資中獨占鰲頭。眾所周知的是，北京協和醫院及醫學院是洛克菲勒基金會在中國最大、最著名的一項事業；鮮為人知的是，周口店“北京人”的挖掘和考古工作，洛克菲勒基金會從一開始就參與其中。 對於中國人來說，“富不過3代”似乎是鐵一樣的定律，然而洛克菲勒家族從發跡至今已經綿延6代，仍未現頹廢和沒落的跡象。這與他們的財富觀念和從小對子女的教育息息相關。他們的家族崇尚節儉並熱衷創造財富。這兩點從洛克菲勒家族的中興之主勞倫斯·洛克菲勒的一生中體現得尤其充分。 2004年7月11日，坐擁億萬家財、在美國叱咤風雲的勞倫斯·洛克菲勒在睡夢中與世長辭，享年94歲。這位洛克菲勒家族的第3代傳人，盡管含著金鑰匙出生，卻絕不是一位紈絝子弟，他在有生之年不僅開了風險投資的先河，還為美國的環保及慈善事業作出了不朽的貢獻。 老約翰·D·洛克菲勒惟一的兒子和繼承人是小約翰·D·洛克菲勒。小約翰·D·洛克菲勒共有6個子女，姐姐芭布斯最大，其他都是男孩，從大到小分別是約翰、納爾遜、勞倫斯、溫斯羅普和大衛。勞倫斯·洛克菲勒1910年5月26日生於紐約。童年時期，勞倫斯與年長他兩歲的納爾遜關系最親密，他們曾一
閱讀完整內容

May 2023【台中南屯】地雷店食記｜森鐵板燒｜用餐體驗差，價格超貴卻豪無價值。小心別踩雷！！！

圖片
老饕友人前陣子預約了這家位於 台中南屯益豐路四段 的鐵板燒店「 森鐵板燒 」，這週末應同學的邀約回台中用餐。這家店主打無油烹煮，中午用餐時間一進門，裡面感覺空蕩蕩的沒什麼客人，心裡先感到一陣不妙，店裡的黑色系裝潢，應該是想呈現出低調高級的感覺，來反映菜單上的盤子價位。 服務員先領我們到一樓的甜點區去看菜單（用餐區在二樓），老饕同學點了8880元的日本皇室12A和牛單人套餐，另外加點牛肉炒飯，我只點了便宜的2680元森戶牛排單人套餐，另外再單點一份櫻花蝦炒飯（加上服務費，我大概花了3400多）。 聚餐前就跟友人說過我只會點2000多的餐，正在看菜單，要翻頁到有比較便宜的套餐頁面時，服務人員卻一直積極介紹高價位的和牛套餐說：你朋友點的是 #%$%元的$%#$^和牛套餐 ，感覺就像是在向你推坑「你同行友人點的是高級套餐唷，你484也應該點個高價位的套餐呀？」，這種感覺。 然後這家店最貴的和牛套餐，那片肉竟要價16000元，不知道哪種高級人（盤子）才吃的起。我這種低俗的人，寧願拿來買一張機票，飛去日本吃道地的日本和牛。 到了二樓，會先上前菜（沙拉跟烤麵包，還有濃湯），友人似乎發現到他的叉子上有不乾淨的東西，請服務員換一支新的給他（還米其林推薦餐廳咧？？呵呵呵...）。 前菜上桌後，服務員會一直站在旁邊看，距離還滿近的，感覺好像逼迫你快點吃，無形中給人很大的用餐壓力，吃完一道菜後，盤子就瞬間被收走，連吃牛排用的叉子也一併給我收走，後來提醒才送一支新的上來。 跟我們同桌用餐的還有另外兩對情侶，這位忘了姓啥的中年男子主廚，就同時為我們三桌客人服務，看他在料理食材時，發現怎麼一塊抹布，一直重複使用，擦完鐵板燒的鐵板後，就直接放到一旁桌上，下次要料理食材前，又再次拿起來，繼續在鐵板上擦一擦，感覺就很噁心，旁邊的桌上難道沒細菌嗎？ 接著炒飯上桌了，主廚很認真在炒飯沒錯，邊炒飯邊開始跟我們哈拉，說我們這個炒飯啊～怎樣怎樣棒棒噠，這個櫻花蝦怎樣怎樣敲香敲好吃唷。其實給人的感覺就是老王賣瓜，然後服務員也在一旁忙著唱雙簧：「我們主廚的炒飯真的很好吃喔」，我心想：好不好吃，客人自己吃一口不就知道了，你們講的嘴角全是泡沫不累嗎？聽久都感到厭煩！ 吃下一口一份300多快要400元的櫻花蝦炒飯，細嚼幾口後，感覺香氣一般般、鑊氣沒有，飯則是太乾、顆粒感太重，沒有任何特色，也不令人感到驚艷，更不是勞資喜番
閱讀完整內容

【南投信義】丹大林道與消失的省道台16線｜可徒步深入中央山脈的經典長程林道

圖片
布農族人有這麼一句話：「濁水溪的上游，不是終點，是我們布農文化的起源」，這句話揭開 丹大林道 的旅行序幕。下面是幾年前，丹大林道還沒被媒體大肆報導前，我曾在某個冬季前往安靜的丹大林道徒步健行和野營，以及在工寮過夜的三天兩夜重裝健行紀錄。 2024.01.31更新：合流坪的鋼便橋已於今日被台電撤除了 連結： 台電施工後丹大林道「恢復」通行！ 拆橋挖巨溝「車輛恐無法通過」 丹大地區 位於臺灣本島中部之濁水溪上游，行政區隸屬於南投縣信義鄉，為全國面積第二大的鄉鎮。丹大地區也是濁水溪的發源處。東側翻過中央山脈可達花蓮，南鄰玉山國家公園，西接日月潭國家風景區，北側則與仁愛鄉相接。 潭南、雙龍、地利及人和四村等區域皆位於信義鄉，著名的 丹大（孫海）林道 便位於地利村中，沿著步道往東至花蓮邊界處可與七彩湖相接。其中地利村及雙龍村面積最大，合佔本區約七成面積，人和村次之，面積最小者為潭南村 。 丹大林道周邊地圖 丹大林道路徑示意圖 日治時期西元1943年，原本預計將東部花蓮木瓜溪流域附近的水力發電廠所生產的剩餘電力運輸到西部，但因為日本在1945年戰敗後，計畫就宣告中止，1948年台灣工業急速發展，用電量大增，直到1950年獲得美國援助執行了能高路線全長45公里的69kV東西向輸電計畫。 之後為了解決花東地區電力供應問題，台電於1985年開始研究新東西輸電之路線，最後決定自南投明潭發電廠與大觀第二發電廠輸送電力至花蓮鳳林超高壓變電所，此新東西輸電線於1990年開始辦理路線中心測量，1998年完工，全長72.4公里。 沿線共有196座電塔，線路橫跨中央山脈海拔2925公尺的崇山峻嶺，並在「 七彩湖 」附近的越嶺處設有「 光華復旦 」紀念碑，西以 丹大林道 、東以 萬榮林道 為維修保線道路。 丹大林道是深入丹大地區的重要通道，1958年（民國47年），出生於現今雲林縣口湖鄉的孫海，標得林務局巒丹大事業區第八林班地檜木原始林採伐權及伐木後的重新造林權，為了進入深林，孫海沿著原本的山徑開闢出可以卡車通行的丹大林道，因此丹大林道也被稱為「 孫海林道 」。 當年為了闢築林道與運輸需要，孫海建造了一座木橋於合流坪橫跨濁水溪，之後改為水泥橋，這座橋就是著名的「 孫海橋 」。 為了伐木業而開闢的丹大林道，其終點一開始並不是在七彩湖，後半段到光華復旦碑約12公里路段，是台電為了興建東西線輸電工程，才於
閱讀完整內容

Feb, 2024【台中西區】桃太郎日本料理｜隱身巷弄裡的39年老字號無菜單料理｜食材新鮮、自然美味

圖片
過年期間阿姨請吃飯，來到位於台中市民權路巷弄裡，這家有著雅致日式庭園，庭院中有松樹和鯉魚池，裝潢低調奢華不浮誇的餐廳用餐。 桃太郎日本料理 據說是1986年起，由日本宿舍改造而成，已經有39年的歷史。在有著濃厚日式庭園意境、雅緻且安靜的環境下用餐，算是很不錯的用餐體驗。 這裡的海鮮料理得很新鮮、擺盤相當精緻、每道餐點都是不同的餐具，可謂色香味俱全。從服務方式到食材品質都有相當的水準，且讓人有賓至如歸的感覺，絕對是可以推薦前往嚐鮮的店家。 餐廳外面的裝潢實屬高大上等級，可能會讓人以為用餐非常昂貴，像我這種窮屌絲，可能路過看到也會望之卻步。 不過其實這裡的用餐價格還算親民，且重點是整體用餐感受很好，是偶爾跟友人聚餐也不會有任何負擔，且會讓人想再來用餐的日料餐廳。 套餐總共有八道菜（第一道忘了拍），再加上小菜，以及不同的飲料跟酒精類飲品可以點，吃下來差不多有七分飽剛剛好。 【桃太郎日本料理】 店家地址： 台中市西區民權路233巷12號（鄰近草悟道） 訂位電話： 04-23013580 營業時間： 週一至週日：11:30-14:00、17:30-21:00
閱讀完整內容

【美國加州】加州一號公路自駕遊～Half Moon Bay、17 Mile Drive、Bixby Greek Bridge、Big Sur、McWay Falls、Elephant Seal Rookery

圖片
有黃金之州（The Golden State）之稱的加利福尼亞州，是美國西部太平洋沿岸的一個州。湛藍的天空，不變的加州陽光，舒適的氣候，吸引不同種族人們在此定居，將加州形塑出自由、多元的氣息，人口居全美第一。而著名的 加州一號公路（CA SR-1） 則是北美最受歡迎的自駕遊路線，沒有之一。來到美國旅遊一定要開車走過一遍！相信每一次駐足，都能被載入你的人生史冊中。 加州一號公路，全長約655英里（約1,000公里左右），是往返加州南北方向的一條州級公路，主要沿著太平洋西海岸蜿蜒。從舊金山北邊的萊格特（Leggett）開始，一路蜿蜒向南，直到洛杉磯南部的聖克萊蒙特（San Clemente），穿越了加州整個西部海岸線，沿途還會經過許多各具風情的小鎮和國家公園。 開車走加州一號公路，途中會經過不少景點，其中比較著名的景點有 半月灣海灘（Half Moon Bay） 、 17里灣海岸線（17 Mile Drive） 、 鴿點燈塔（Pigeon Point Lighthouse）、 比克斯比溪大橋（Bixby Greek Bridge） 、 大索爾（Big Sur） 、 麥克威瀑布（McWay Falls） 、 象海豹海灘（Elephant Seal Rookery） 等！其中最精華最不可錯過的一段，便是 大索爾（Big Sur） ，我個人認為它有點像是美國版的清水斷崖，只是美國什麼都大，這裡當然也不例外！ 加州一號公路上的 大索爾（Big Sur） 路段，長度約 90英里（約150公里)，從舊金山南邊開車大約3小時車程可抵達，途中還會經過一座世界最高的混凝土拱橋  Bixby Greek Bridge 。 大索爾 （Big Sur） 這一段路，是開車往返舊金山與洛杉磯途中，最壯觀的一條路線，曾經被美國 National Geographic 國家地理雜誌評選為 一生必去的五十大景點之一 。這個路段一邊是碧波萬頃、一望無際的太平洋，另一邊則是  Santa Lucia 陡峭高聳的懸崖山脈，岩石激起片片白色浪花，是加州一號公路上，最為經典的景觀。 再往南一點，可以到達著名的 赫士古堡（Hearst Castle） ，這是美國的出版業巨頭 William Randolph Hearst 家族的私人城堡。作為加利福尼亞，乃至美國西部的頂級名宅，赫斯特城堡另一個值
閱讀完整內容

Sep, 2021【苗栗南庄】蓬萊林道Off Road小試｜雨後很爛很濕滑｜二傳低底盤車勿輕易嘗試

圖片
最近喜歡上林道健行，不同於登山，去林道健行不需要花費太多時間跟體力，又可達到放鬆身心的效果，有些林道甚至開車就能直接到終點，而台灣的林道又特別多 （請參考： 臺灣81條林道大公開！ ） ，所以讓我產生了慢慢走訪不同林道的興致。 前陣子已經把烏來的 西坑林道 、 桶後林道 、 內洞林道 這三個比較著名的林道都走過了，這幾個林道到登山口的路況都很好，即使一般轎車進去也沒問題。前陣子偶然看到影音平台上別人發佈的 蓬萊林道 紀錄影片，引發了我的好奇心。 蓬萊林道 位於苗栗南庄鄉蓬萊村，『 蓬萊 』在日據時代原是風光明媚的原始山林，四周盡是檜木、櫸木、樟木，日籍行政長官至此巡察，直稱此地為蓬來仙境，這也是蓬萊地名的由來。 蓬萊林道 屬中港溪集水區範圍，與 大坪林道 、 大湳林道 ，為南庄事業區三條重要林道。蓬萊林道的入口個位於124縣道上的 蓬萊派出所 旁產業道路，起點為南庄事業15林班，路途主經15-18林班，終點於19林班內，為該區域中主要經營作業道路。 林道的前半段，主要以水泥產業道路為主，二輪傳動車要開到5.9K的岔路口，應該也沒啥問題。目前蓬萊林道可通行總長為7.5公里，Off Road路段起點的岔路口大約在林道5.9公里的轉彎處。 蓬萊林道的爬升，從起點蓬萊派出所（標高約378m），到終點平台（標高約1271m），這7.5K的路程，爬升落差約900m，爬升角度多在10%～15%左右，尤其中間路段特別的陡峭！ 蓬萊林道沿途皆為承租造林地，以柳杉林為主，景觀非常優美，加上柳杉茂密，不易遭受日曬，相對來說在夏天是不錯的健行地點。鄰近還有 蓬萊溪護魚步道 ，也是不錯的健行去處，只是假日觀光客應該比較多。 最近揪友人跑了一趟蓬萊林道，在這裡做個簡單的記錄，給之後想去的人作為參考。本來下山時，還刻意把行車記錄器記憶卡拔出來，想保留當天的行車影像做個紀錄，無奈那張垃圾記憶卡容量太小，回家後接上電腦看，最早的只剩開始開車下山後的影像了，上山時的影像，已經完全被覆蓋掉了。看來這段有驚無險的回憶，只能讓它保留在記憶中了。 蓬萊林道感想： 一般車輛都可以開到土地公廟，甚至到5.9K岔路口應該也沒問題，但如果想要開到最高點平台，建議還是要用四傳的，而低底盤車更不要輕易嘗試。 建議不要在下過雨後上來，因為泥土被大雨沖刷後，加上前車輾過的痕跡，會使部分爬坡路面形成很深的爛泥坑，建議選出發前幾
閱讀完整內容

April, 2023【彰化芬園】步道平坦好走！彰化八卦山「挑水古道」＋十八觀音步道、碧山古道O形環走

圖片
挑水古道 位於彰化縣芬園鄉 八卦山山脈 中段東側， 芬園鄉 大竹村與溪頭村之間，是早期人們取用山泉水所走的石砌道路。據說一百多年前，當地居民在古道間覓得兩口湧泉井（目前還在），便由這條古道挑水上下山。 挑水古道 沿著山凹修築，當地居民另外又沿著同一座八卦山支脈的稜線，走出另一條 碧山古道 ，所以挑水古道+碧山古道的O形路線，就成為八卦山東麓芬園鄉這一帶很棒的休閒路線。 挑水古道 入口處有一個看起來像神社鳥居的意象拱門，拱門旁邊空地可以停車，或者外面馬路旁也都可以停車。之後進入中間山路到古道的路段，雖說是古道，但一路都是鋪設完善的柏油路，騎單車上去也沒問題，沿途多處設有涼亭和木椅，可以稍坐片刻，欣賞桐花盛開與紛飛的景色。 不過前段一路爬坡且幾無遮蔭，不建議在出大太陽的日子前來。挑水古道終點是一個休憩平台，有公共廁所可洗手，旁邊是一片鳳梨果園。 從終點的鳳梨果園，可以依照個人體力，選擇原路折返，或是接 碧山古道 走個小O型。若想走更遠，可以接 十八觀音步道 ，再接 碧山古道 折返，也是一個O型路線，途中有兩次會經過大馬路。 今天時間充裕，於是選擇走這一條O型路線，全程大約兩小時左右。不過鄉下地方郊山岔路不少，建議下載離線地圖。 每年4至5月是油桐花盛開 八卦山脈 的時節，目前已經快來到油桐花盛開的時間。今天造訪挑水古道，剛進入古道不久，一旁就可見好幾株油桐花樹已盛開，不過走在古道途中，倒是還沒有看見油桐花舖滿步道那樣的景色。 清領時期，先民開墾尋找水源，發現八卦山麓一道溝渠長年泉湧，於是在該地挖掘出龍鳳兩口水井，並將取水的山間小路用岩石砌成階梯步道，步道建成時間已不可考，推測至少上百年歷史，兩口水井現在已經乾涸，而這地方一直到139縣道大彰路與彰南路擴建完，才結合防洪水渠，重新闢建為登山步道。 挑水古道+十八觀音古道+碧山古道O型航跡： https://www.sports-tracker.com/workout/davidwang400/643ba30ad7442330c761630d 挑水古道是一個環境優美的休閒景點，提供舒適的散步和練腳力的空間，還有設有座椅和公共廁所供游客休息。 這裡還有許多誠實商店和攤販，提供新鮮的蔬果給游客，還有一個小型停車場。 挑水古道是桐花季期間最為美麗的景點之一，沿途風景單調，但桐花朵朵掉落，像雪花般飛舞，美不勝收。 挑水古道入口意象
閱讀完整內容

Aug 21, 2022【新北烏來】紅河谷越嶺古道前段健行。平緩好走的林蔭休閒步道

圖片
週日下午閒來無事，決定到附近的烏來散步一下，Google導航「 紅河谷步道 」，即可抵達「 加九寮景觀大橋 」。景觀大橋附近的路邊都可以停車。橋下附近是 加九寮溪 與 南勢溪 的交會口，這一帶的河道彎曲，河岸有嶙峋突峭的巨岩，色澤 褚紅，所以被稱為「 紅河谷 」，從橋上往下看，有不少民眾在溪邊戲水。 停好車後，繼續往前方步行約五分鐘，即抵達「 紅河谷汙水處理廠 」，一旁有紅色扶手的階梯，這裡就是登山口了。今天抵達登山口已經是下午2點50分，所以只打算輕鬆走一小段，走到3.5K的林務局工寮就要折返了。 紅河谷-熊空越嶺古道是昔日烏來加九寮與三峽熊空兩地泰雅族人往來的聯絡道路，古道全長22公里，以 越嶺鞍部 為界，可分為「 紅河谷段 」及「 熊空段 」。全程走完大概需要8～10小時以上，前面3.5公里（到工寮）的山徑，有林務局架設吊橋、木橋，走起來相當安全。沿途林木茂密，適合蕨類植物的生長，也有闊葉林，更有台灣杉生長其間，具有典型的綜合林相，更是相當適合健行的步道。 出發後開始是一段水泥階梯爬坡，然後接著一段平坦的水泥步道，兩旁綠樹成蔭，旁邊只要有路徑，就可以下到溪邊，親近水岸，非常適合夏天前來。 紅河谷步道從登山口到 3.5K工寮 ，全程幾乎都是路徑清晰的林蔭步道，沒有太多的爬升，不需太多體力，很適合一般遊客安排個半日遊健行。不久後，抵達叉路口，左側的枕木步道是越嶺古道的路線，直行則可以下去九寮溪谷，是戲水及溯溪的路線。 這條越嶺古道原是林務局修建的林道，所以途中設有工寮（林務局新竹林區烏來工作站加九寮護管所），更早以前，應該是泰雅族人的傳統獵徑或社路。 快要抵達工寮前，有一處岔路必須取右往下過溪，今天沒有注意到，所以繼續往前走，走不到一分鐘就覺得山徑怎麼愈來愈狹窄，明顯不是大眾路線的步道，於是拿出離線地圖確認，果然是走錯路了，地圖上這條山徑好像是往 拔刀爾山 的路線，於是折返，踩著石頭跨過沒什麼水量的 加九寮溪 主流後，沒多久即看到林務局的工寮出現在眼前。 工寮這裡是個三岔路口，往前是前往 三峽熊空 的紅河谷越嶺古道，愈往後段，山徑愈陡，從這裡還得再走2個半小時左右，爬升約7、8百公尺，才能抵達鞍部（越嶺高點），然後續走往熊空。 今天從登山口走到工寮大約花了一小時，已經將近下午四點，心想還有一些時間，所以循著越嶺古道往前走一小段探路看看。發現離開工寮後，路徑變得比較
閱讀完整內容

【筆記】使用 TensorFlow Keras 訓練圖像分類模型，透過 Streamlit 將模型部署為網路應用 ，並集成到 Android 應用程式上

圖片
這裡記錄一下這幾天學習利用  Tensorflow Keras 和現有的圖像資料集，訓練一個簡單的圖像分類（ Image Classification ）模型，並透過 Streamlit 和 GitHub ，將模型部署到網路服務上來測試，接著將模型轉換為適用於行動裝置的 TFLite 模型，並集成到 Android 應用程式上的過程。另外也直接透過 TFLite Model Maker  庫來訓練 TFLite 模型，並比較兩者的預測準確度。 註：TensorFlow Lite Model Maker 庫可以簡化將 TensorFlow 神經網路模型適配和轉換為特定輸入資料的過程。 我使用 這篇文章 裡面的 Intel Image Classification  圖像資料集來進行學習和測試。它包含了 建築物（buildings）、森林（forest）、冰河（glacier）、山岳（mountain）、海洋（sea）、街道（street） 等六種類型的圖像，總共有 14,000 多張訓練圖像、3000 多張驗證圖像，以及 7000 多張測試圖像，可以用來訓練出一個簡單的圖像分類模型。 下載完後照片資料集後，將 seg_train、seg_pred、seg_test 這三個資料和裡面的照片，上傳到 Google Drive 上，然後開啟一個 Colab 筆記本來編輯。因為 Python 3.10 版本在使用 TFLite Model Maker 套件時，會有已知的問題，所以我將筆記本中的 Python 執行環境設定為 3.9 版本。這裡是我的  Python 3.9 Playground 筆記本 （ 可以作為一個starter樣板 ） 這個starter樣板的內容如下： 然後建立一個 image_pred.py 文件，並上傳到 Google Drive 雲端硬碟上，以下是這個 Python 腳本的完整內容： 這個腳本利用 深度學習（Deep Learning） 來訓練並產生圖像分類模型（Image Classification Model）。 這裡使用 Keras 的卷積函數Conv2D()，來實現一個簡單的 卷積神經網路 （Convolutional Neural Network, CNN），然後 在 Intel Image Classification
閱讀完整內容

Aug, 2023【桃園大溪】桃園小百岳編號23-溪洲山步道｜適合訓練腳力、還能觀賞石門水庫的山水景色

圖片
位於桃園大溪， 石門水庫 北側的 溪州山 ，海拔578公尺，屬於溪洲山脈，為台灣小百岳之一，山頂有顆 三等三角點 基石，編號6296，與石門大壩南側的「 石門山 」遙遙相望。兩座都是桃園有名的小百岳，桃園還有另外兩座小百岳，分別是「 東眼山 （海拔1,212公尺）」和「 金面山 （海拔667公尺）」。東眼山之前走過了，金面山改天有空再來去爬一下。 週日中午看著天氣還不錯，臨時起意，決定到附近爬個3、4小時可以解決的小山，查了一下資料， 溪州山 剛好符合條件，行車路線在週末也比較不會塞車，於是中午從林口出發前往桃園大溪。 溪洲山步道 ，又叫做「 福山巖登山步道 」，顧名思義可以從 福山巖牌樓 起登，如果使用Google地圖導航「 溪州山登山步道 」，會帶你到大溪區康莊路五段的 石門水庫坪林收費站 ，登山口就位在 黃大目豆干 旁邊的水泥路斜坡（這裡是最大眾的路線）。 這兩個登山口之間距離只有500公尺，大致可繞一個環狀路線。另外還有一處登山口，也在黃大目豆干登山口附近，但是路況比較好一些，且會先經過有些荒廢模樣的 溪州公園 。 中午12點多，抵達目的地停好車後，我沿著道路往坪林收費站的方繼續走兩分鐘左右，左手邊會有一處斜坡可以走上去，約莫五分鐘後，就會抵達「 溪洲公園 」。 公園這邊是個三岔路口，路口有指標，往下可沿著山徑下到剛才停車的黃大目豆干店，往上走則是登山路線，會抵達溪州山的中繼點「 愚公亭 」，這裡是一個位於半山腰的公園。從登山口到愚公亭，一般步程大約30到40分鐘，但短短的距離，需爬升300公尺的海拔，可真是鍛鍊腳力的好地方。 今天在酷熱的天氣下，從登山口走了35分鐘，一路噴汗，終於抵達鞍部的 愚公亭 ，此處海拔約455公尺，感覺是個小運動公園，腹地非常寬敞。公園裡設有石桌石椅木亭，以及鞦韆、單槓、吊環等器材，供民眾使用。週末假日會有許多山友來這裡泡茶聊天，如果體力不行的話，走到這裡折返也算是有不小的運動量了。 愚公亭 這裡也是四通八達的交會處，是往石門水庫、往觀景秘境湖光山舍、 新溪洲山 和 溪洲山 的十字路口。愚公亭拱門取右行，可前往「新溪洲山」，路程好像只需五分鐘（不過今天沒有去），取左行則可前往「溪洲山」。 今天溫度大約32度，且我剛好中午才出發，走到愚公亭時，排汗衣已經整件全濕。在這裡休息了10多分鐘後，才再次啟程往山頂前進。建議如果是在大熱天前來
閱讀完整內容

文章列表

Contact

名稱

以電子郵件傳送 *

訊息 *