為了寫論文不做深入的研究，代碼水平低選擇tensorflow還是pytorch比較好？Tensorflow很好，因?yàn)槟梢灾苯邮褂胟eras因?yàn)槭褂肞ython有強(qiáng)大的優(yōu)勢。第一，數(shù)據(jù)采集（網(wǎng)絡(luò)爬蟲技

為了寫論文不做深入的研究，代碼水平低選擇tensorflow還是pytorch比較好？

Tensorflow很好，因?yàn)槟梢灾苯邮褂胟eras

因?yàn)槭褂肞ython有強(qiáng)大的優(yōu)勢。第一，數(shù)據(jù)采集（網(wǎng)絡(luò)爬蟲技術(shù)）。2、 強(qiáng)大的科學(xué)計(jì)算分析庫可以進(jìn)行大規(guī)模的數(shù)據(jù)統(tǒng)計(jì)和處理。3、 完美的AI接口，如tensorflow、Python和sklearn，是定量交易最需要的接口。前者屬于深度學(xué)習(xí)，如LSTM算法體系結(jié)構(gòu)，是最有效的股市預(yù)測算法之一。后者屬于數(shù)據(jù)挖掘，基于統(tǒng)計(jì)概率分布，實(shí)現(xiàn)了回歸和分類的數(shù)學(xué)建模?？傊?，很方便。在項(xiàng)目實(shí)現(xiàn)方面，python屬于glue語言，計(jì)算出的數(shù)據(jù)模型大多是以JSON的形式進(jìn)行粘合的。前端非常友好。簡而言之，它既快捷又方便。

為什么幾乎所有的量化交易都用Python？

讓我們從Python的缺點(diǎn)開始。python自發(fā)布以來，在學(xué)術(shù)界實(shí)際生產(chǎn)中的應(yīng)用比工業(yè)界多，主要原因是它不夠成熟，很多接口不穩(wěn)定，綜合性不夠。Tensorflow仍有許多Python不支持的功能，如快速傅立葉變換，但隨著Python的發(fā)展，這一缺點(diǎn)將逐漸減少。另外，與tensorflow的靜態(tài)圖相比，tensorflow的靜態(tài)圖很容易部署到任何地方（這比許多框架都要好得多），Python的深度學(xué)習(xí)框架比Python更先進(jìn)，部署到其他產(chǎn)品上會非常不方便。

優(yōu)勢從一開始就有。盡管tensorflow自2015年發(fā)布以來受到了許多方面的青睞，比如theano，但tensorflow使用的是靜態(tài)計(jì)算圖。對于新手來說，有太多的新概念需要學(xué)習(xí)。因此，無論如何開始或構(gòu)建，使用tensorflow都比python更困難。2017年，Python被團(tuán)隊(duì)開放源碼的一個主要原因是更容易構(gòu)建深度學(xué)習(xí)模型，這使得Python發(fā)展非常迅速。在數(shù)據(jù)加載方面，Python用于加載數(shù)據(jù)的API簡單高效。它的面向?qū)ο驛PI來自于porch（這也是keras的設(shè)計(jì)起源），它比tensorflow的困難API友好得多。用戶可以專注于實(shí)現(xiàn)自己的想法，而不是被框架本身所束縛。

在速度方面，python不會為了靈活性而放棄速度。雖然運(yùn)行速度與程序員的水平密切相關(guān)，但在相同的情況下，它可能比其他框架更好。另外，如果追求自定義擴(kuò)展，python也會是首選，因?yàn)殡m然兩者的構(gòu)造和綁定有一些相似之處，但tensorflow在擴(kuò)展中需要大量的模板代碼，而只有接口和實(shí)現(xiàn)是python編寫的。