如何在论文中画出漂亮的插图?

本周DevWeekly精选了多个领域的优质内容,包括Python性能分析器Jetfuel、图表美化工具LovelyPlots、极简社交媒体平台Tsuki等开源项目,以及Git命令辅助工具GitExplorer、电子书阅读器Bookworm等资源工具。此外,还收录了关于Linux路由理解和程序员职业感悟的技术文章。

DevWeekly收集整理每周优质开发者内容,包括开源项目资源工具技术文章等方面。

每周五定期发布,同步更新到知乎:Jackpop

欢迎大家投稿,提交issue,推荐或者自荐开源项目/资源/工具/文章~

订阅方式

  1. Star并收藏项目DevWeekly
  2. 关注知乎:Jackpop

开源项目

1. jetfuel

Python Star:104

Jetfuel是一种性能分析器,可以监视生产Python的性能,并使结果易于聚合和搜索。

2. LovelyPlots

Python Star:560

LovelyPlots是一个包含matplotlib样式表的存储库,可以很好地格式化科学论文,论文和演示文稿的图形,同时使它们在Adobe Illustrator中完全可编辑。

此外,.svg导出选项允许图形自动调整其字体以适应文档的字体。例如,.tex文件中导入.svg插图将使用.tex文件中使用的文本字体自动生成。

3. tsuki

Python Star:58

Tsuki是一个极简主义的开源社交媒体平台,使用Python构建。

4. Xtra

Kotlin Star:350

Xtra是一款适用于安卓的Twitch播放器和浏览器。

5. sbctl

Go Star:555

sbctl 旨在成为一个用户友好的安全启动密钥管理器,能够设置安全启动,提供密钥管理功能,并跟踪需要在启动链中签名的文件。

6. cli

Go Star:983

用于 IPinfo API 的官方命令行工具。

7. thisisthewall

JavaScript Star:14

使用此API,你可以在任何设备的屏幕上获取壁纸的图片。

8. magic-regexp

TypeScript Star:1.4k

一种经过编译、类型安全、可读的正则表达式替代方案。

9. frawk

Rust Star:1k

frawk是一种小型编程语言,用于编写处理文本数据的短程序。

它类似于AWK语言,许多常见的Awk程序在传递给fruk时会产生等效的输出。如果你希望脚本像标准 Awk 字段一样处理转义的 CSV/TSV,或者希望脚本执行得更快,那么frawk会表现更好。

10. Vale

Scala Star:1k

Vale是一种编程语言,其目标不仅是快速和内存安全,而且简单灵活。

资源工具

1. GitExplorer

img

一款Git命令浏览器,只需要选择想执行的动作,它就可以快速生成命令。

2. Bookworm

bookwormlibraryview

适用于 Linux 的简单而功能丰富的电子书阅读器

3. gitlogs

能够及时准确的发现最新优秀的Github项目。

4. readme.so

img

readme是Github开源项目中非常简单的文件,那么为什么有的readme写的那么精美?

这款项目就可以通过简单的选择快速生成美观的readme。

5. learngitbranching

img

一款在线的Git分支学习工具,通过这款工具可以可视化的解释常用命令,更有助于理解。

技术文章

1. 了解Linux路由

过去只需在我的Linux终端中输入路route(或者后来的ir route),就可以准确了解我的所有路由。

现在情况已不再如此。

例如,当前使用的机器使用wg-quick脚本通过有线卫士协议连接到Mullvad虚拟接口。我很确定我的所有流量都通过Mullvad,但却无法从我的ip路由输出中看出这一点。

默认路由似乎通过我的物理网络接口而不是虚拟接口定向所有流量。

通过这篇文章就来了解一下Linux路由是如何工作的。

2. 一个专业程序员的10年

10年,对于一名程序员来说算是比较漫长的,在这10年中项目、工作经历了很多,也感悟了很多。

作者是一名从事10年编程的程序员,从工作、技术等不同方面总结了自己的感悟,很有借鉴意义。

### 绘制深度学习论文插图的方法与工具 绘制深度学习论文中的插图是一项重要的技能,它能够帮助研究者清晰表达模型结构、算法流程以及实验结果。以下是几种常用的方法和工具: #### 方法一:使用矢量绘图软件 矢量图形因其可缩放性和高质量打印特性成为学术图表制作的首选方式之一。Adobe Illustrator 和 Inkscape 是两款流行的矢量编辑器,它们支持复杂的形状组合、颜色渐变等功能[^2]。 对于预算有限的研究人员来说,Inkscale 提供了一个免费开源的选择;而 Adobe Illustrator 则以其强大的功能见长,适合更精细的设计需求。 #### 方法二:利用编程库自动生成图像 Python 社区提供了多个用于生成科学可视化图片的强大库,例如 Matplotlib, Seaborn 及 Plotly 等可以用来创建数据分布图、热力图等统计型图表[^3]。然而针对神经网络架构这类特定类型的插图,则有专门设计的 Python 库如 Pydot 或 Netgraph 能够通过定义节点连接关系来自动生成相应拓扑视图[^4]。 下面是一个简单的例子展示如何用 pydot 来构建基本的人工神经元网络表示形式: ```python import pydot # 创建一个新的DOT graph对象 graph = pydot.Dot(graph_type='digraph') # 添加输入层节点 input_node_0 = pydot.Node("Input 0", shape="circle") input_node_1 = pydot.Node("Input 1", shape="circle") # 输层节点 output_node = pydot.Node("Output", shape="doublecircle") # 隐藏层节点 hidden_node_0 = pydot.Node("Hidden 0", shape="ellipse") hidden_node_1 = pydot.Node("Hidden 1", shape="ellipse") # 建立边的关系 edges = [ (input_node_0, hidden_node_0), (input_node_0, hidden_node_1), (input_node_1, hidden_node_0), (input_node_1, hidden_node_1), (hidden_node_0, output_node), (hidden_node_1, output_node) ] for edge in edges: graph.add_edge(pydot.Edge(edge[0],edge[1])) # 导到文件 graph.write_png('neural_network.png') ``` #### 方法三:采用专用框架简化复杂过程 TensorFlow 和 Keras 这样的机器学习平台内置了一些函数可以直接导模型结构图为 png 文件格式[^5]。这些自动化的解决方案极大地减少了手动调整参数的时间成本同时也保证了一定程度上的美观度。 另外还有像 Draw.io / diagrams.net 这样基于浏览器运行的应用程序界面友好易于上手非常适合初学者快速搭建概念性的框图[^6]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值