最近，我们计划建立一个图像处理系统，以从图像中提取信息。目前我们正在使用AWS Rekognition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。所以，我们计划建立自己的自定义。
我们有4/5个月的时间来做这件事。至少POC版本。此外，我们计划使用Tensorflow。我们都没有关于机器学习的经验。深度学习，但已经有5/6年的计算机编程经验，使用不同的语言。
目前，我正在从Udemy＆amp;我解决这个问题的方法是......
在抽象中我理解的是，我将使用Python在Tensorflow中编写一个深度学习计划。通过使用该程序，我将构建一个模型。然后我将使用一些训练数据训练该模型。然后，当我的模型达到一定的准确度时，我将使用一些测试数据。
现在，在某些地方，我有点困惑＆amp;以下是关于这种困惑的问题......
我知道tensorflow是一个图书馆，但在某些地方，它也被称为系统。那么，它真的只是一个图书馆（一段代码）吗？不止于此的东西？
我在Tensorflow教程部分（https://www.tensorflow.org/tutorials/image_recognition）中获得了一些图像处理Python代码。我们已经测试过该代码和它的工作方式与AWS识别服务的工作方式完全一致。所以，我怀疑是......我可以在生产工作中使用这个Python代码吗？
在训练具有一些训练数据的模型之后，这些训练数据是否成为整个系统的一部分或机器学习模型从这些训练数据中提取一些META信息。保持自己而不是整个原始训练数据（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？它有Pentium 4和8GB RAM。
另外，想知道......我提到的为我的问题构建解决方案的方法已经足够，或者我还需要做其他事情。
需要一些指导来消除所有这些困惑。
由于
答案 0 :(得分：2)
1：tensor-flow就像我们使用过的任何其他内容（例如Numpy），但唯一的区别是我们必须首先定义我们想要使用它的内容，tensor-flow中的所有内容1}}运行到一个计算图并且评估该图中的每个东西需要一个Session，我们可以称它为库，因为它只是一段代码并且在python中有接口，而系统因为它使用的所有机制
2：
can I use this Python code as it is in our production work?为什么不呢！
3： 是的，你可以用你的系统做到这一点，但张量流和theano的主要优点，......像这样的工具是你可以在GPU上运行你的代码比在CPU上运行更快，因为GPU可以处理很多更多矩阵乘法和类似的东西
4：
你知道你不需要学习所有的机器学习内容来构建一个图像识别系统，你可能需要花费数年才能理解那里发生的事情，Udemy当然是非常好的来源，但我强烈推荐你你可以看到coursera的机器学习课程，那里有关于机器学习的课程：伟大的Andrew NG课程和Emily fox课程，第一个课程更理论而不实用，但第二课程在更实际，
关于深度学习，深度学习并没有什么特别之处，它只是机器学习的一种方法，在你获得一些机器学习经验并理解一些基本知识或者你可以正确地知道之后，去fast.ai，它有一个关于编码器深度学习的非常好的课程，它也是免费的
我希望这会对你有所帮助