百度360必应搜狗淘宝本站头条
python判断字典是否为空crontab每周一执行aes和des区别安装指定版本npmadb pull
当前位置：网站首页 > IT知识 > 正文

Office中的公式如何编辑才完美

liuian 2024-12-01 00:56 16 浏览

临近开学，奥运也结束了，暑假也快结束了，实验室的实验也快结束了，数据也出来了，剩下的就该是要收心写论文了。毫无疑问，写论文的时候少不了公式的出现，但是它们又是必须的，论文中连个公式都没有，谁知道你写的是个什么鬼。在Offic中写论文，如果只是简单地编辑一下公式，那你就大错特错了。在论文中编辑公式，有很多地方Office自带的公式编辑器都无法完成，所以要用到MathType公式编辑器这个好用的工具了。

MathType免费获取地址：http://www.mathtype.cn/

MathType是一款专用的数学公式编辑器，它里面的模板跟符号都是公式专用的符号，期刊杂志论文出版的时候，里面所涉及到的公式很多都是用MathType编辑出来的。除了能够编辑公式这个基本的功能之外，还有一些智能化的功能，所以在使用时非常方便。

一、公式自动编号

论文中的所有出现的公式都是需要编号的，当公式比较少时，我们会使用手动编号，而当公式比较多时，再手动编号就是非常不现实的了，这时MathType中的公式自动编号功能就有了它发挥的空间了。

1.在编写公式之前直接点击MathType菜单中下的“插入公式编号”命令，在编写的公式就会自动编号，此时默认的是公式编号居中。也有“插入左编号”和“插入右编号”的命令，根据自己的需要选择，



2.而如果删除其中的公式后，只需要再使用一次更新公式编号命令，编号就会自动更新了，这一点用起来非常方便。



3.如果需要对其中的公式编号进行引用，因为论文中提到上的公式时都是直接用编号来代替的，而不是再输入一遍相同的公式，也只需要在MathType菜单中点击“插入公式参数”这个命令就可以了，然后再直接点击你要引用的公式编号就可以了。



二、格式化公式

这个命令主要用来批量修改公式的格式。当公式已经完全编辑好之后，又需要对公式的字体字号等进行重新修改设置，当文档中公式比较少时可以一个一个手动修改，而当公式比较多时，一个一个地修改则极为不现实，这个时候就需要使用批量修改的功能。

1.将一个公式的格式设置好以后保存为一个文件。



2.然后再在Word的MathType菜单中点击“格式化公式”这个命令，在弹出来的对话框中，选择刚刚保存的那个文件后确定，这样再回到Word界面就等待一下就会发现公式已经更新了。



三、MathType公式与LaTex快速转换

除了使用MathType编辑公式之外，还有很多人会使用LaTex代码来编辑公式，与MathType编辑公式相比，LaTex编辑公式时不需要考虑排版问题，并且所有的的符号都可以编辑出来，而MathType则相对来说范围要窄一些，但是学习LaTex的这个过程非常艰难，需要比较长的一段时间，而MathType就非常容易上手，完全不需要一个学习过程，你看到它就会用了。所以很多人会将两者进行结合使用，将两种公式进行相应转换。

1.将MathType公式快速转换成LaTex。

其实有很多种方式可以完成这个转换，但是最快的方法还是使用快捷键来实现。按住“Alt+\”键，可以将 MathType 公式快速转换成 LaTex 格式。



2.将LaTex转换成MathType公式。

将Latex格式的公式代码复制到 Word 中，前后分别加上“$”符号，按下“Alt+\”键，就将公式切换成MathType 格式。



上面介绍了MathType几个非常智能化的功能，而这几个功能也是与Office自带的公式编辑器中最缺少的几个功能，Office自带的公式编辑器只能实现公式编辑这个基本的功能，而对于这些插入公式、批量修改等等是不能实现的，这也是为什么越来越多的人选择使用MathType的原因。

相关推荐

Tensor:Pytorch神经网络界的Numpy

TensorTensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。但它们也不相同，最大的区别就是Numpy...

Pytorch学习-day7: 复习与实践（pytorch入门教程(非常详细)）

学习内容张量基础回顾：张量的创建、属性（形状、数据类型、设备）和操作（索引、切片、变形）。张量的数学运算（加、减、乘、矩阵乘法）和自动求导（requires_grad）。张量与NumPy的互...

神经辐射场(NeRF)实战指南:基于PyTorch的端到端实现

在探索三维重建技术的过程中，从传统的多视图几何到现代深度学习方法，神经辐射场(NeRF)技术凭借其简洁而高效的特性脱颖而出。本文旨在提供一个全面的NeRF实现指南，基于PyTorch框架从基础原理到完...

PyTorch 源码解读之 torch.autograd:梯度计算详解

前言本篇笔记以介绍pytorch中的autograd模块功能为主，主要涉及torch/autograd下代码，不涉及底层的C++实现。本文涉及的源码以PyTorch1.7为准。t...

PyTorch常用代码段合集（pytorch 编程）

作者丨JackStark@知乎来源丨https://zhuanlan.zhihu.com/p/104019160PyTorch最好的资料是官方文档。本文是PyTorch常用代码段，在参考资料[1](...

PyTorch入门与实战——必备基础知识(下)01

前言我们在上篇PyTorch入门与实战——必备基础知识（上）01中了解向量、矩阵和张量的基本概念和代码实现，并且重点介绍了张量的基本操作。但是在实际的神经网络模型中往往会使用一些高阶的张量操作，如拼接...

PyTorch 深度学习实战(38):注意力机制全面解析

在上一篇文章中，我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程，从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变...

PyTorch之Tensor的常见运算和操作

上一个小节和大家简单地探讨了我们在日常开发的时候，常见的创建Tensor的几种方式，大家应该还是有些印象的，只需要对着官方文档简单地把代码敲一遍，基本上还是有所收获的，这篇文章也比较简单但又是非常重要...

PyTorch 深度学习实战(31):可解释性AI与特征可视化

在上一篇文章中，我们探讨了模型压缩与量化部署技术。本文将深入可解释性AI与特征可视化领域，揭示深度学习模型的决策机制，帮助开发者理解和解释模型的内部工作原理。一、可解释性AI基础1.核心概念特征重要...

轻松学Pytorch-详解Conv2D卷积处理

Conv2D基本原理与相关函数常见的图像卷积是二维卷积，而深度学习中Conv2D卷积是三维卷积，图示如下：Pytroch中的Conv2D是构建卷积神经网络常用的函数，支持的输入数据是四维的tensor...

Pytorch学习-Day 3:张量高级操作（张量svd）

以下是PyTorch第3天学习任务的示例代码，涵盖张量形状变换（view和reshape）、广播机制以及GPU加速的实现。代码中包含详细注释，帮助理解每个部分的功能，并完成任务：将张量移动...

深入解析PyTorch中view()函数的作用

技术背景在深度学习领域，PyTorch是一个广泛使用的深度学习框架，它提供了丰富的张量操作函数。view()函数是PyTorch中一个重要的张量操作函数，其灵感来源于numpy.ndarray.r...

打开新世界，教你用RooCode+Copliot+Mcp打造一个自己的Manus

本文耗时两天打造，想要一遍走通需要花点时间，建议找个专注的时间开搞！这不仅是个免费使用claude3.5的方案，也是一个超级智能体方案，绝对值得一试！最近Manus真是赚足了眼球，然而我还是没有邀请码...

Git仓库（git仓库有哪些）

#Git仓库使用方法流程详解##一、环境搭建与基础配置###1.1安装与初始化-**安装Git**：官网下载安装包，默认配置安装-**配置全局信息**：```bashgitconfig...

idea版的cursor:Windsurf Wave 7（ideawalk）

在企业环境中，VisualStudioCode和JetBrains系列是最常用的开发工具，覆盖了全球绝大多数开发者。这两类IDE各有优势，但JetBrains系列凭借其针对特定语言和企业场景的深度...

一周热门
最近发表
标签列表