项目所需Python第三方库

NumPy：(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。包含：一个强大的N维数组对象 ndarray；广播功能函数；整合 C/C++/Fortran 代码的工具；线性代数、傅里叶变换、随机数生成等功能。

Pandas ：基于 NumPy 的一个开源 Python 库，它被广泛用于快速分析数据，以及数据清洗和准备等工作。它的名字来源是由“ Panel data”（面板数据，一个计量经济学名词）两个单词拼成的。简单地说，你可以把 Pandas 看作是 Python 版的 Excel。

OpenCV：基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。现在的OpenCV已经到了3.0版本。在pycharm下搜索用opencv-python，使用时import cv2。
为什么OpenCV3在Python中包名称是cv2，而不是cv3？
实际上，”cv2”中的”2”并不表示OpenCV的版本号。我们知道，OpenCV是基于C/C++的，”cv”和”cv2”表示的是底层C API和C++API的区别，”cv2”表示使用的是C++API。这主要是一个历史遗留问题，是为了保持向后兼容性。

TensorFlow：是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。张量在不同的参考系下按照某种特定的法则进行变换。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
当前最流行的深度学习框架包括 Caffe、Theano、PyTorch、TensorFlow 和 Keras。

Keras：基于Python的深度学习库。是一个高层神经网络API，由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果。Keras特点有：简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）；支持CNN和RNN，或二者的结合；无缝CPU和GPU切换。

Django：由Python写成的开放源代码的Web应用框架。Django采用了MTV(或称为MVC)的框架模式，且控制器接受用户输入的部分由框架自行处理，所以 Django 里更关注的是模型（Model）、模板(Template)和视图（Views），称为 MTV模式。
模型（Model），即数据存取层，负责处理与数据相关的所有事务： 如何存取、如何验证有效性、包含哪些行为以及数据之间的关系等。
模板(Template)，即表现层，负责处理与表现相关的决定： 如何在页面或其他类型文档中进行显示。
视图（View），即业务逻辑层，负责存取模型及调取恰当模板的相关逻辑，是模型与模板的桥梁。
更详细的内容见https://blog.csdn.net/sinat_36710456/article/details/80412363这篇博客。

Tkinter：是 Python 的标准 GUI 库，可以快速的创建 GUI 应用程序。构造简单，适合快速入门定制窗口文件。