本文共 1087 字，大约阅读时间需要 3 分钟。
在前面的几篇文章中， 我们已经学会了如何使用一个事先训练好的pre-trained model来识别图片中的多种物体， 这很好，也很酷， 即使没有任何机器学习基础的同学也可以做出一个相当专业的应用了，也许有些聪明的同学已经把静态图片识别移植到了视频监控上面，开始监控大门口的人流了呢！
通过前面的讲解，我相信给大家打开了一扇新世界的大门， 就像我们之前在开发web应用的时候， 我们可以从开源社区找到很多轮子， 而不需要从头自己开发，在机器学习的世界里，我们也可以从开源社区找到很多框架，算法，模型等工具，我们也学习了可以去哪里找这些工具， 如何学习使用这些工具。但是如果只是使用事先训练好的模型，在实际工作中， 往往还不能真正解决我们的问题。 以物体识别为例，如果我们要识别的物体，比如熊猫， 不在这pre-trained模型训练的范围里， 怎么办？ 我们需要训练一个训练一个独一无二，属于自己的模型。
其实大部分开源的模型都公开了其训练的代码，所以我们可以通过这些代码加上我们自己的数据来进行训练，从而获得一个满足自己业务需求的模型。 接下来我们将通过使用Object Detection API训练一个可以识别熊猫的模型来讲解整个流程，将要学习的东西包括：
机器学习/深度学习的一些重要概念和术语，本系列面向没有任何机器学习基础的读者，所以会用尽量简单和直白的语言来描述。
TensorFlow-GPU的安装和环境配置
准备训练数据和data-labeling
可视化学习过程
导出学习结果
注意：有些厂商号称开源了某某模型，但是实际上并没有公开其训练部分的代码，这种其实算不上开源，因为你没有办法定制这个模型。
接下来我们将补齐机器学习中关于训练部分的知识，这样就可以定制这个工具来解决真正的问题了， 当你完成了这一步以后， 再去看深度学习的算法推导或者TensorFlow的示例代码，应该会容易不少，因为知其然，再知其所以然，这应该是一个较优的学习过程。 回想一下我们学习web编程， IOS编程等的时候，是不是这样一个过程？
不知道大家开始学习Python了没有？ 在本系列中，我们会写一些Python代码，所以你必须有一些Python的知识，不过我们不需要你是Python的高手，只要有变量和函数声明， 模块导入的知识就够了。 如果你英文比较好，可以直接读, 如果你还是喜欢在中文的环境里面学习，你可以读 。
本文章使用Python的版本为2.7，请事先安装和配置好。
接下来我们先学习一些机器学习的知识和术语，我们在后面的实际操作中会用的到这些知识和术语的。
转载地址：http://nsiti.baihongyu.com/