Latex 使用2019-03-03

工具类

• 使用记录自己的学习，没想到还要使用Markdown, 自带的富文本编辑器根本不能用，格式都没法调整

Latex使用环境

Tex Live + Texstudio
关于之前对Tex Live 和Latex关系的疑惑，自己解答下：
Latex想当于一个编译器，他规定了tex语法规范，是开源的。Tex Live想当于Latex 的一个开发套件，里面有Latex编译器和编辑器和其他工具（我还没搞明白，不过我也不去搞明白，它就是个工具，会用就行）。Texstudio就是一个比较好使的编辑器。

中文编码

%\documentclass[11pt,a4paper]{article} 
\documentclass[11pt,a4paper,UTF8]{ctexart} 
\usepackage[left=3cm, right=2cm, top=2.5cm, bottom=2.5cm]{geometry} 
\usepackage{leftidx} 
%\usepackage{CJKutf8} 
\begin{CJK}{UTF8}{song} 
\begin{document}
     some content here. 具体内容 %
    \end{CJK} 
    \end{document}

%\documentclass[11pt,a4paper]{article} 
\documentclass[11pt,a4paper,UTF8]{ctexart} 
\usepackage[left=3cm, right=2cm, top=2.5cm, bottom=2.5cm]{geometry} 
\usepackage{leftidx} 
\usepackage{CJKutf8} 
\usepackage{cite}

\usepackage{graphicx}

\title{Compressed Video Action Recognition} 

\author{Reading report by XXXXXXXXXXXX}  
\date{} 


\begin{document}
    
    \maketitle %生成题目
    
    \section{Problem} 
    %换行符号：空行（多个空行等同一个空行）或者\\ 
    对于视频的动作识别目前没有好的算法，更多的做法是使用CNNs技术，将视频分为一帧一帧的。但是作用都十分有限。同时由于视频数据大，存在大量的冗余的信息，所以CNNs在提取有用信息会变得非常困难。同时尽管深度学习和RNN等算法对视频识别有了一些的提高，但在计算过程性能提高不明显，时间效率低。
    
    
    \section{Paper CONTRIBUTIONS} 
    
    设计一个计算机视觉系统的行为识别，直接操作压缩过的视频。
    
    该算法比Res3D块4.6倍，比ResNet-152快2.7倍。
    
    
    
    \section{Proposed solutions}
    之前的算法都是在视频中逐帧地计算图像。但在实际的视频中，视频会经过压缩处理，而且压缩算法利用的就是连续帧之间的相似。视频压缩将视频分为i帧，p帧，零帧和更多的p帧。p帧是预测帧，引用之前的帧，只编码帧的变化。
    i帧直接表示图像，可以直接输入到深度网络中，对于p帧，设计了回溯技术采取解耦p帧之间的依赖关系建模的方法。即打破连续p帧之间的依赖关系，将p帧的运动矢量追踪到参考的i帧。这样每个p帧只依赖i帧。
    
    \begin{figure}
        \centering
        \includegraphics[width=0.7\linewidth]{screenshot001}
        \caption{}
        \label{fig:screenshot001}
    \end{figure}
    
    然后网络建模，大多数信息都储存在i帧中，只需要学习p帧的更新。在训练中，使用了ResNet-152来建模i帧，使用ResNet-18来建模运动矢量和残差。
    
    \begin{figure}
        \centering
        \includegraphics[width=0.7\linewidth]{screenshot002}
        \caption{}
        \label{fig:screenshot002}
    \end{figure}
    
    
    
    
    \section{My understanding and thought}
    
    本文在视频的运动识别中直接利用视频压缩中的特点，使用了视频压缩p帧就代表了视频的的运动，结合压缩视频包含了更多的有效信息，可以很好地提高视频中动作识别。
    
    
    
\end{document}

插入图片

\usepackage{graphicx}
\begin{figure}[h]%%图
    \centering  %插入的图片居中表示
    \includegraphics[width=0.7\linewidth]{figures/mcmthesis-logo}  %插入的图，包括JPG,PNG,PDF,EPS等，放在源文件目录下
    \caption{this is a figure.}  %图片的名称
    \label{fig:mcmthesis-logo}   %标签，用作引用
\end{figure}

\documentclass{article}
% 这里是导言区
\begin{document}
Hello, world!
\end{document}

第一行的 \documenclass{article} 中的\documentclass 是控制序列（命令），以“\”开始到第一个空格或者非字符符号结束。控制序列后面跟着的是必要参数， 比如{article}就是一个参数

\begin{document} 和\end{document} 中begin 和end 之间的成为环境 ，begin 和end 后面的参数名都是一样的，称作环境名

只有在环境中的内容才会在相应环境中出现。\begin和\documentclass(article)中的 部分称为导言区*，它的作用可能会影响整个文档。

数学公式的使用

Latex的数学公式分为两种模式inline和display 即行间和块内

• inline行内模式，公式在文本内部，使用$...$将公式括起来
• display块内模式，即公式在单独一行中，使用$$...$$将公式括起来
  
  

根号

• 上下标：上标^，下标**_ **，如果上下标为多个符号，使用{ }
  根号： \sqrt 如5–√n为
  省略号： \dots \cdots分别为 …⋯
• 运算符
  小的运算符(operator)例如 + - * /等可以直接输入，其他特殊的有\pm \times \div \cdot \cap \cup \geq \leq \neq \approx \equiv
  ±×÷⋅∩∪≥≤≠≈≡
  求和：\sum_1^n: ∑n1
  积分：\int_1^n: ∫n1
  极限：lim_{x \to \infty}: limx→∞
  分数
  分数的表示：\frac{}{}如38
  矩阵与行列式
  ，使用&分隔同行元素，\换行。如：

>$$
>    \begin{matrix}
>    1 & x & x^2 \\
>    1 & y & y^2 \\
>    1 & z & z^2 \\
>    \end{matrix}
>$$
>

>
>$$ X=\left
> \begin{matrix} 
>      x_{11} & x_{12} & \cdots & x_{1d}\\
>     x_{21} & >x_{22} & \cdots & x_{2d}\\ 
>      \vdots & \vdots & \ddots & \vdots\\ 
>      x_{m1} & >x_{m2} & \cdots & x_{md}\\
>\end{matrix} \right| 
>$$
>

• 符号
  中心点()：\cdot
• 加粗
  使用bm package的bm指令

>\usepackage{amsmath,bm}
>$\bm{P_{X_i Y}^\gamma(x_i,y) = P^\gamma(x_i)P_{Y|X}(y|x_i)}$

• 分隔符
  各种括号用 () [] { } \langle\rangle 等命令表示,注意花括号通常用来输入命令和环境的参数,所以在数学公式中它们前面要加 \。可以在上述分隔符前面加 \big \Big \bigg \Bigg 等命令来调整大小。

各类希腊字母编辑表

方程式

\begin{equation}

E=mc^2
\end{equation}

• 分段函数

$$
f(n) =
\begin{cases}
n/2,  & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
$$

• 方程组

$$
\left\{ 
\begin{array}{c}
    a_1x+b_1y+c_1z=d_1 \\ 
    a_2x+b_2y+c_2z=d_2 \\ 
    a_3x+b_3y+c_3z=d_3
\end{array}
\right. 
$$

常用公式

$$h(\theta) = \sum_{j = 0} ^n \theta_j x_j$$

\overset{}{}放在某字符上面

a=b \overset{F}{\longleftarrow}c=d

将某个字符放在另一祖父上下方 先将另一字符转化为数学符号\mathop，然后就和\sum一行了

\mathop{a}\limits_{i=1}

ALGORITHM

\documentclass{article}
\usepackage{algorithm,algpseudocode}

\begin{document}
\begin{algorithm}
  \caption{Euclid's algorithm}\label{euclid}
  \begin{algorithmic}[1]
    \Procedure{Euclid}{$a,b$}\Comment{The gcd of $a$ and $b$}
      \State $r \gets a \bmod b$
      \While{$r \neq 0$}\Comment{We have the answer if $r$ is $0$}
        \State $a \gets b$
        \State $b \gets r$
        \State $r \gets a \bmod b$
      \EndWhile\label{euclidendwhile}
      \State \textbf{return} $b$\Comment{The gcd is $b$}
    \EndProcedure
  \end{algorithmic}
\end{algorithm}

\end{document}

符号集

有的符号可能需要包\latexsym

参考

http://www.cnblogs.com/Sinte-Beuve/p/6160905.html
https://blog.csdn.net/anscor/article/details/80878285
https://blog.csdn.net/yeler082/article/details/80667779