LaTeX实战指南：从零构建一篇包含图表、公式与算法的完整论文

1. LaTeX入门：从零搭建论文骨架

第一次用LaTeX写论文时，我被它严谨的排版效果震撼了——就像突然从手写笔记升级到印刷品。但打开空白文档的那一刻又有点懵，这玩意儿到底怎么开始？其实搭建论文骨架比想象中简单得多，咱们用做汉堡来比喻：最外层的面包是文档类型声明，中间的配料就是你的章节内容。

先看这个基础模板，我习惯保存在main.tex里：

\documentclass[12pt,a4paper]{article} % 汉堡的面包胚：A4纸大小12号字 \usepackage[UTF8]{ctex} % 中文支持就像番茄酱，必不可少 \usepackage{geometry} % 调整页边距的工具 \geometry{left=2.5cm,right=2.5cm} % 给文字留出舒适的呼吸空间 \title{基于深度学习的图像识别研究} % 汉堡顶层的芝麻 \author{张三} % 包装盒上的标签 \date{\today} % 生产日期 \begin{document} \maketitle % 把标题作者组装起来 \begin{abstract} % 汉堡的包装纸说明 本文提出了一种新型卷积神经网络结构... \end{abstract} \section{引言} % 第一层牛肉饼 深度学习在计算机视觉领域取得了... \section{方法} % 第二层芝士 我们的模型架构如图\ref{fig:model}... \end{document}

几个新手常踩的坑我得特别提醒：

1. 中文支持必须加载ctex宏包，否则编译出来全是乱码
2. 每个\begin{xxx}必须对应\end{xxx}，就像汉堡每层配料不能漏放
3. 反斜杠\是LaTeX的魔法符号，写路径时要用正斜杠/

说到文档结构，学术论文通常包含这些关键部分：

• 摘要（Abstract）：200字以内的精华浓缩
• 引言（Introduction）：讲清楚研究背景和贡献
• 相关工作（Related Work）：展示你对领域的了解
• 方法（Methodology）：核心创新点所在
• 实验（Experiments）：用数据说服读者
• 结论（Conclusion）：总结与展望

提示：写大纲时先用%注释占位，比如%\section{实验}，这样能保持结构清晰又不影响编译

2. 图表插入：让数据会说话

论文里的图表就像汉堡里的生菜和番茄——没有它们，再好的内容也显得干巴巴。但LaTeX处理图片的figure环境刚开始确实让人头大，我花了三天才搞明白那些[htbp]到底什么意思。

先说单图插入的标准姿势：

\begin{figure}[!htb] % [!htb]表示"就放这里，别乱跑" \centering \includegraphics[width=0.8\textwidth]{model.png} \caption{神经网络架构图} % 图的标题要像新闻标题一样精准 \label{fig:model} % 这是图的身份证号 \end{figure}

这里有几个参数需要特别注意：

• width=0.8\textwidth：图片占页面宽度的80%
• !htb中的!表示"尽量听话"，去掉后LaTeX会按自己的审美排版
• label要放在caption之后，否则引用会出错

当需要对比多个子图时，subfigure环境就是神器：

\begin{figure*}[t] % *表示跨栏显示 \centering \subfigure[训练损失]{ \includegraphics[width=.45\linewidth]{loss.png} \label{fig:loss} } \subfigure[准确率]{ \includegraphics[width=.45\linewidth]{acc.png} \label{fig:acc} } \caption{模型训练曲线} \label{fig:training} \end{figure*}

表格排版更是门艺术，三线表是学术论文的标配：

\begin{table}[h] \caption{不同模型在ImageNet上的表现} \label{tab:performance} \centering \begin{tabular}{lccr} % l左对齐 c居中 r右对齐 \toprule 模型 & 准确率(\%) & 参数量(M) & 推理时间(ms) \\ \midrule ResNet18 & 69.8 & 11.7 & 45 \\ MobileNetV2 & 71.9 & 3.4 & 32 \\ Ours & \textbf{73.2} & 4.1 & 38 \\ \bottomrule \end{tabular} \end{table}

注意：表格内容较多时，用\resizebox{\textwidth}{!}{...}自动缩放，但字体大小要保持可读性

3. 数学公式：优雅表达理论

公式是技术论文的灵魂，LaTeX的数学模式让我从此告别Word的公式编辑器。先说三种插入方式：

1. 行内公式：$E=mc^2$显示为E=mc²
2. 独立公式：$$ \nabla \cdot \mathbf{D} = \rho $$
3. 带编号公式：

\begin{equation} \hat{y} = \sigma(Wx + b) \label{eq:forward} \end{equation}

复杂公式排版示例：

\begin{align} \mathcal{L} &= \frac{1}{N}\sum_{i=1}^N \ell(f(x_i), y_i) \nonumber \\ &+ \lambda \sum_{l=1}^L \|\mathbf{W}_l\|_F^2 \label{eq:loss} \end{align}

常用数学符号速查表：

当公式太长需要换行时，multline环境是更好的选择：

\begin{multline} f(x) = 1 + 2x + 3x^2 + 4x^3 + 5x^4 \\ + 6x^5 + 7x^6 + 8x^7 + \cdots \end{multline}

4. 算法伪代码：清晰展示逻辑

算法描述是论文的核心竞争力，用algorithmicx宏包排版的伪代码既专业又美观。先看这个完整示例：

\begin{algorithm}[!t] \caption{基于梯度下降的优化算法} \label{alg:gd} \begin{algorithmic}[1] % [1]显示行号 \Require 学习率$\eta$, 最大迭代次数$T$ \Ensure 最优参数$\theta^*$ \State 初始化参数 $\theta_0$ \For{$t = 1$ to $T$} \State 计算梯度 $g_t \gets \nabla_\theta L(\theta_{t-1})$ \If{$\|g_t\| < \epsilon$} \Comment{收敛判断} \State \textbf{break} \EndIf \State 更新参数 $\theta_t \gets \theta_{t-1} - \eta g_t$ \EndFor \State \Return $\theta_t$ \end{algorithmic} \end{algorithm}

关键要点解析：

• \Require和\Ensure分别定义输入输出
• \For、\If等控制结构会自动缩进
• \Comment添加右侧注释
• [!t]确保算法出现在段落顶部

复杂算法可能需要以下进阶技巧：

1. 函数调用：

\Function{Softmax}{$z$} \State $e_z \gets \exp(z - \max(z))$ \State \Return $e_z / \sum(e_z)$ \EndFunction

2. 多条件判断：

\If{$x > 0$} \State \Return $\log(x)$ \ElsIf{$x == 0$} \State \Return 0 \Else \State \Return NaN \EndIf

5. 代码展示：技术细节可视化

相比伪代码，真实代码片段能让重现实验更容易。listings宏包支持语法高亮：

\usepackage{xcolor} \usepackage{listings} \lstset{ basicstyle=\ttfamily\small, keywordstyle=\color{blue}, commentstyle=\color{green}, numbers=left, frame=single } \begin{lstlisting}[language=Python,caption=训练代码] def train(model, dataloader, criterion, optimizer): model.train() for inputs, labels in dataloader: optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() # 反向传播 optimizer.step() # 参数更新 print(f'Loss: {loss.item():.4f}') \end{lstlisting}

常用配置参数说明：

对于长代码，可以用\lstinputlisting引入外部文件：

\lstinputlisting[language=C++]{src/main.cpp}

6. 参考文献管理：BibTeX自动化

参考文献管理是论文写作中最容易被低估的环节。手动维护引用就像用算盘记账——不是不行，只是太费劲。BibTeX才是现代科研人的选择。

先创建refs.bib文件，添加如下条目：

@article{resnet, title={Deep Residual Learning for Image Recognition}, author={He, Kaiming and others}, journal={CVPR}, year={2016}, pages={770-778} } @inproceedings{transformer, title={Attention Is All You Need}, author={Vaswani, Ashish and others}, booktitle={NeurIPS}, year={2017}, pages={6000-6010} }

在文中引用：

如ResNet\cite{resnet}和Transformer\cite{transformer}所示...

文末插入参考文献列表：

\bibliographystyle{IEEEtran} % 样式可选plain/abbrv/IEEEtran \bibliography{refs}

三种引用方式对比：

1. 直接引用：\cite{key}→ [1]
2. 带页码引用：\cite[page 5]{key}→ [1, p5]
3. 作者年份式：\citep{key}→ (Author, 2023)

专业建议：用Zotero+Better BibTeX插件管理文献，能自动生成BibTeX条目

7. 编译与调试：高效工作流

LaTeX编译就像做化学实验——步骤错了就会炸。推荐的工作流是：

1. 用VS Code + LaTeX Workshop插件
2. 编译顺序：XeLaTeX → BibTeX → XeLaTeX ×2
3. 错误排查：从第一个报错开始解决

常见错误及解决方案：

最后分享我的.latexmkrc配置，实现一键编译：

$pdf_mode = 1; $bibtex_use = 2; $pdflatex = 'xelatex -synctex=1 -interaction=nonstopmode %O %S';