最近，我们计划建立一个用于图像处理的系统，以从图像中提取信息。目前，我们正在使用AWS识别来做到这一点。但是，在某些情况下，我们无法从AWS获得准确的信息。因此，我们计划构建自己的自定义项目。
我们有4/5个月的时间来做。至少为POC版本。另外，我们计划为此使用Tensorflow。我们都没有关于机器学习和深度学习的经验，但是已经有5/6年的使用不同语言的计算机编程经验。
目前，我正在从Udemy课程学习ML，而解决此问题的方法是...
学习机器学习（ML）
学习深度学习（DL）
在ML和DL之上，也许我已经准备好了解整个内容，并且能够构建图像处理系统。
摘要我所了解的是，我必须使用Python在Tensorflow中编写一个深度学习程序。通过使用该程序，我必须构建一个模型。然后，我必须使用一些训练数据来训练该模型。然后，当我的模型达到一定的准确性时，我将使用一些测试数据。
现在，有些地方让我有些困惑，这是我对这种困惑的疑问...
我知道tensorflow是一个库，但是在某些地方，它也被称为系统。那么，它真的只是一个库（一段代码）吗？
我在Tensorflow教程部分（https://www.tensorflow.org/tutorials/image_recognition）中得到了一些图像处理Python代码。我们已经测试了该代码，并且该代码完全按照AWS识别服务的工作方式工作。因此，我的疑问是...我可以像在生产工作中一样使用此Python代码吗？
在使用一些训练数据训练模型之后，这些训练数据是否会成为整个系统的一部分，或者机器学习模型从那些训练数据中提取一些META信息，并与其自身（而不是整个原始训练数据）保持一致（在我的情况下，它将是原始图像） 。
我可以在Linux系统上完成所有这些ML + DL编程吗？它具有8GB RAM的Pentium 4。
另外，想知道...我提到的为我的问题建立解决方案的方法就足够了，或者我还需要做其他事情。
需要一些指导来清除所有这些混乱。
谢谢
最佳答案
1：tensor-flow就像我们已经使用过的其他任何东西（例如Numpy），但唯一的区别是我们必须首先定义要使用的内容，tensor-flow中的所有内容都将运行到计算图中并评估该图中的所有内容都需要一个Session，我们可以称其为库，因为它只是一段代码，并且在python中具有接口，而由于使用了所有这些机制，因此它具有系统性
2：can I use this Python code as it is in our production work?为什么不呢！
3：
是的，您可以在系统上执行此操作，但是tensor-flow和theano等主要工具的优点是，您可以在GPU上运行代码的速度比在CPU上更快，因为GPU可以处理很多更多矩阵乘法之类的东西
4：
您知道您不必学习所有的机器学习知识即可构建图像识别系统，您可能需要花费数年的时间来了解那里发生的事情，Udemy课程是很好的资源，但是我强烈建议您参见coursera的机器学习课程，那里有关于机器学习的课程：很棒的Andrew NG课程和Emily fox课程，第一个是理论性的，而不是实践性的，但是第二个则是更实际的，
关于深度学习，深度学习没有什么花哨的东西，它只是机器学习中的一种方法，在您获得了机器学习的经验并了解了一些基本知识之后，或者您可以正确地知道了，请转到fast.ai，关于编码器深度学习的一门非常好的课程，它也是免费的
我希望这能帮到您
关于machine-learning - 需要一些与机器学习相关的问题的答案吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44149272/