xdgadd

Скорее всего, это ошибка молотка и на самом деле вам нужна функция. Например:

def printer(msg="hello", times=5):
    for i in range(times):
        print(msg)
    # или любая другая реализация

printer()
printer("example", 10)

Бд и конечные автоматы. Если много юзеров, возможно, придется делать очередь, т.к. у bot api есть ограничение на 30 сообщений в секунду.

Есть один замечательный сайт с теорией. Ещё можете погуглить визуализации алгоритмов, помогает въехать на интуитивном уровне.

Вместо идентификаторов попробуйте получать на выход вектор фиксированной размерности. Тогда, вам остается векторизировать уже существующие в базе лица, а новые, которые будет выдавать сеть, сравнивать. Например, через консинусное расстояние.

Гуглите NLP и Information/Relation extraction.

Годный гайд по ботам.
1) Для учебных/маленьких проектов sqlite подойдет.
2) Документацию гуглите сами, в интернете полно сайтов. Тем более, vk api, которое изначально на русском(учите английский, без него вы не сможете нормально учиться и работать).
3) PEP8
4) Вот, вот и вот.

Погуглите решающие деревья(тык, тык), там классический пример про задачу кредитного скоринга.

По нейросетям, на основе фреймворка keras это выглядит как-то так:

from keras.models import Sequential
from keras.layers import Dense, Activation

model = Sequential()
# Полносвязный слой из 32 нейронов, принимает на вход вектор из 25 признаков
model.add(Dense(32, input_shape=(25,)))
model.add(Dense(64)) # Полносвязный слой из 64 нейронов
model.add(Dense(1)) # Выходной слой
model.add(Activation('relu')) # Полулинейная функция активации

# Оптимизатор: Root Mean Squared Error Propagation
# Функция потерь: Logloss aka перекрестная энтропия
# Метрика: accuracy
model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy'])
...
model.fit(Xtrain, Ytrain)
accuracy = your_eval_func(model.predict(Ytest, Xtest))
preds = model.predict(target_data)

Если вам выдает что-то наподобие "не найдена имплементация для function_name", скорее всего, вы ставили opencv через pip. Попробуйте собрать из исходников по этому руководству.

Вам нужен CLI.
Я уже отвечал на подобный вопрос.

pyimagesearch.com
А вообще, копайте в сторону deep learning. Для примера можете глянуть этот репозиторий.

Смотрите в сторону соревнований типа visual doom ai competition, в котором информация получается только с экранного буфера.

Лучше используйте базу данных(e.g. sqlite3), это гораздо удобнее(и быстрее) парсинга текстовых файлов.

Используйте конечные автоматы. Проще говоря, вам нужно хранить состояние пользователя в каждый момент времени. Например, с помощью бд.

Telegram Bot API не предоставляет таких механизмов. Если вы хотите отправить несколько фотографий - сделайте цикл.

def send_many(photos, id):
    for p in photos:
        bot.send_photo(id, p)

Еще можно присылать ссылки обычными сообщениями, телеграм прогрузит фотки.
Чтобы красиво выглядело, оберните url в тег и установите parse_mode="HTML":

bot.send_message(id, '<a href="IMG_URL">&#8203;</a>',
                 parse_mode="HTML")

P.S. У телеграма есть ограничение на количество сообщений в минуту.