Latex语法学习

入门实验
其他说明
模板
参考链接
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
拓展阅读

入门实验

本机安装的是MiKTex和TeXworks软件，网上介绍的使用sublime配置pdftex编译Latex我没做出来。

在texworks上选择lualatex编译代码
我的Latex代码

\documentclass{article}
\usepackage{amssymb}
\usepackage{amsmath}
\usepackage{CJK}
\usepackage{fontspec}
\setmainfont{Microsoft YaHei}
\begin{document}
\title{My first Latex document}
\author{Yingshan Li}
\date{8/26/2018}
\maketitle
\tableofcontents
Hello world!\\
你好\\
Einstein's $E=mc^2$.
\[E=mc^2.\]
\begin{displaymath}
S_{n+1}=S_{n}+S_{n},
S_{n}=1-2^{n}
\end{displaymath}
\begin{equation}
S_{n}=1-2^{n}
\end{equation}
$\frac{m}{n}$\\
$\sqrt{n}$\\
$\sqrt{m}{n}$\\
$\sum_{i=m}^{n}$\\
$\prod_{i=m}^{n}$\\
$\int_{i=m}^n$\\
$\vec a$\\
$\overrightarrow{AB}$\\
$a+b+\cdots+z$\\
$\underbrace{a+b+\cdots+z}_26$\\
$\overline{m+n}$\\
$\underline{m+n}$\\
$\not=$\\
$\leq$\\
$\geq$\\
$\min_{n}$\\
$\left|\right|$\\
$\arg$\\
$\subseteq$\\
$\mathbb(R)$\\
$[![H(x_i)\neq y_i]!]$\\
$a\ b$\\
$\Leftrightarrow$\\
$\approx$\\
$h(x)=\begin{cases}1, &if\ x\in[a,b) \\ -1, &otherwise\end{cases}$\\
$\ll$\\
$\tbinom{n}{r}$\\
$C_{n}^{r}$\\
\end{document}

这些代码在TeXworks软件使用xelatex进行编译得出的结果图

其他说明

需要注意如果公式latex代码出错的话，会有奇怪的显示，例如错误代码 $g(x_{n})=f({x_{n})=y_{n}$ 在页面上显示为$g(x_{n})=f({x_{n})=y_{n}$，将行内表达式的首尾符显示了出来。
补充：
\not=: $\not=$
\leq: $\leq$
\geq: $\geq$
\min_{n}: $\min_{n}$
\left|\right|: $\left\|\right\|$
\arg: $\arg$

以下符号参考自2

\subseteq: $\subseteq$
\mathbb{R}: $\mathbb{R}$

以下符号参考自3: [![H(x_i)\neq y_i ]!]: $[\![H(x_i)\neq y_i ]\!]$
空格：a\ b: $a\ b$
等价符号：\Leftrightarrow: $\Leftrightarrow$
约等号：\approx: $\approx$
分段函数: h(x)=\begin{cases}1,&if\ x\in[a, b) \\ -1,&otherwise\end{cases}: $h(x)=\begin{cases}1,&if\ x\in[a, b) \\ -1,&otherwise\end{cases}$
远远小于号（大于号）：\ll(\gg): $\ll(\gg)$
组合数：\tbinom{n}{r}: $\tbinom{n}{r}$ ，C_{n}^{r}: $C_{n}^{r}$
预测值: \hat{A}: $\hat{A}$

模板

给个日常写xelatex的模板

\documentclass{article}
\usepackage{amssymb}
\usepackage{amsmath}
\usepackage{geometry}
\usepackage{ctex}
\usepackage[colorlinks=true]{hyperref}
\geometry{a4paper,left=2cm,right=2cm,top=1cm,bottom=1cm}
\begin{document}
\title{BERT流程}
\author{tellw}
\date{2021.4.25}
\maketitle
\tableofcontents
\section{NER(Named Entity Recognition，命名实体识别)}
\label{sec:ner}
将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量、货币值、百分比等
\section{word2vec算法}
\label{sec:word2vec}
可以在没有任何人干预的情况下学习单词的含义。word2vec通过查看给定单词周围的单词学习单词的数字表示。
假设包含n个单词的语料库，用$w_0,w_1,\cdots,w_i,w_{i+1},\cdots,w_n$表示，为了最大化
\begin{equation}
P(w_{i-m},\cdots,w_{i-1},w_{i+1},\cdots,w_{i+m}|w_i)=\prod_{j\neq i,j=i-m}^{j=i+m}P(w_j|w_i)
\end{equation}
假定理想情况下，目标单词$w_i$的上下文单词彼此独立，故(1)式等号成立。
\subsection{skip-gram算法}
\label{subsec:skip-gram}
1.\ 从原始文本到结构化数据
\end{document}