机器学习相关的库
PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。PIL功能非常强大，但API却非常简单易用。
OpenSource Computer Vision,其更广为人知的名字是OpenCv，是一个在图像操作与处理上比PIL更先进的库。它可以在很多语言上被执行并被广泛使用。
python3光学字符识别模块tesserocr与pytesseract
https://www.cnblogs.com/zhangxinqi/p/9297292.html
原理是先灰度处理，再进行二值化处理，使图像只有黑白两种颜色
ImageAI（进行图像内容识别的）
https://www.jianshu.com/p/94d5edfaddd5
ImageAI是一个python的库，它能使开发人员用简单几行代码构建具有深度学习和计算机视觉功能的应用程序和系统。它是由Moses Olafenwa和John Olafenwa两位开发并维护。(opencv相似)
imageai库里面提供了目标识别，其实也可以说是目标检测，和现在很多的收集一样就是物体识别。他可以帮你识别出各种各样生活中遇见的事物。比如猫、狗、车、马、人、电脑、收集等等。
感觉imageai有点差就是没有返回检测目标的坐标出来，所以感觉很low，而且和计算消耗很大，耗时很大，与opencv做实时检测效果很差。不推荐使用。
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
SymPy一个用于符号型数学计算（symbolic mathematics）的Python库。它旨在成为一个功能齐全的计算机代数系统（Computer Algebra System，CAS），同时保持代码简洁、易于理解和扩展。SymPy完全是用Python写的，并不需要外部的库。
SciPy是一个针对工程和科学库。 再次提醒大家SciPyStack不等于SciPy库： SciPy Stack包括线性代数、优化、整合和统计等模块，而 SciPy库的主要功能是建立在NumPy基础之上，因此它使用了大量的NumPy数组结构。 SciPy库通过其特定的子模块提供高效的数学运算功能，例如数值积分、优化等。 值得一提的是SciPy子模块中的所有功能都附有详细的文档可供查阅。
Seaborn主要关注统计模型的可视化，包括热分布图（用来总结数据及描绘数据的整体分布）。 Seaborn是基于且高度依赖于Matplotlib的一个python库。
还有一个强大的可视化库叫做Bokeh，其目的是互动式的可视化。 与Seaborn不同，Bokeh独立于Matplotlib。 如上所述，Bokeh的卖点是互动性，它通过数据驱动文档（d3.js）风格的新式浏览器来呈现图表。
Plotly是一个基于Web来构建可视化的的工具箱。它有好几种编程语言（其中包括Python）的API，并在plot.ly网站上提供一些强大的、开箱即用的图表。 要使用Plotly，您先需要设置您的Plotly API密钥。Plotly将在其服务器端处理图表，并将结果在互联网上发布。此外，它也提供了一种不需要使用其服务器和网络的offline方法。
Keras，这是一个Python开源库，用于在高级界面上建立神经网络。它简约且直接，并拥有很强的延展性。它使用Theano 和 TensorFlow作为其终端，并且微软正在试图将CNTK（微软自己的认知工具包）结合进去成为一个新的终端。
自然语言处理
这个库的名字是Natural Language Toolkit（自然语言工具）的缩写。正如其名，它被用于由象征性与统计性自然语言处理的一般任务。NLTK旨在用于自然语言处理的教学与研究等的相关领域（语义学，认知人工智能科学，等等）并现在它的使用受到了很大的关注。
