​ 最近寒假，考完研，终于有机会再次开始coding，开始学习自己真正感兴趣的东西，真的感觉很幸福，每天都能学习自己热爱的东西。

​ 想写个总结，却突然思绪涌出来，停不下来了。

​ 深度学习在目标检测(Object Detection)中的应用，总结一些常见网络和方法。

​ 本文主要总结介绍R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD。

目标检测常见算法

​ 在目标检测领域的深度学习主要分为两种，one stage 和 two stage。在之前还有以R-CNN为代表的multi-stage，但是由于检测精度和速度问题，已经被淘汰。这里用表格总结两类算法特点如下：

​ 本文主要总结卷积神经网络结构的经典结构。

​ 今天主要是对卷积神经网络中的概念和经典结构做一个梳理，我主要接触到的是机器学习中偏向计算机视觉的深度学习部分，所以今天这里主要总结CNN以及一些典型结构。尽量用简单明了的语言说明每一个概念。

​ 站起来，伸个懒腰，今天总算是稍微系统的了解了Nginx，越看越喜欢这个异步框架的Web服务器了。这里不想记录nginx的具体配置和使用，网上和笔记中都有非常详细的教程，这里就不赘述了，只想说一下Nginx的架构设计和主要功能。

​ 这两天因为换了新电脑，一直沉迷搞机，学习进度也降低许多，今天把博客也迁移了，以后要更努力的学习。

​ 学习笔记记录。

​ 家里有事，好几天没写博客了，学习的进度停滞了一两天。本来这个内容实在是应该记录在笔记上而不是博客中，但是我这两天在这方面踩得坑实在让我非常不爽，而且这些内容感觉还比较重要而且可能会对他人有些价值，所以记录下来。

​ 记录搭建hadoop搭建单节点过程，中间不可避免踩了很多坑，都记录下来。

​ 辨析 x86， ARM, MIPS 的一篇短文，参考网络一些资料整理如下。