我已经做了 15 年的全栈 Web 开发人员，并且希望参与机器学习。已经有一个特定的场景：我们有一个数据库，其中包含数百万个产品和一个产品图像。还有一个包含大约 5000 个术语的数据库。

一个产品图片链接到多个词条（通常是 3 - 20 个），其中链接仍然具有权重 (1-100%)。这些术语始终具有视觉性质，也就是说，它们描述了图像上视觉可识别的特征。

现在的目标应该是上传一张新图像（当然还有主题参考），并根据已经分类的图像获得可能的术语（包括概率）的答案。

您对如何最好地从这里开始有什么建议吗？是否有接近这种情况的框架？TensorFlow 与此任务相关吗？我应该学习什么新语言？

非常感谢你！