【亲测免费】 TikZ 图形绘制指南
项目介绍
TikZ(发音为“TIK zeh”或“TIKZ”)是LaTeX中一个强大的图形包,它允许用户以一种直观的方式创建复杂的图形和图表。由 Till Tantau 开发,TikZ 的全称是 “TikZ ist kein Zeichenprogramm”(德语,意为“TikZ 不是一个绘图程序”),强调了其基于代码的图形设计哲学。这个开源项目在GitHub上可以找到,地址为:https://github.com/janosh/tikz.git。它通过简单的命令集,结合LaTeX的排版能力,使得数学图表、流程图、概念图等的制作变得既美观又高效。
项目快速启动
要开始使用TikZ,首先确保你的LaTeX环境已经安装了TikZ包。大多数现代LaTeX发行版如TeX Live或MiKTeX应该已经包含了它。下面是一个基本示例,展示了如何绘制一个简单的图形:
\documentclass{standalone}
\usepackage{tikz}
\begin{document}
\begin{tikzpicture}
\draw (0,0) rectangle (2,2); % 绘制一个2x2的矩形
\draw (1,0) -- (1,2); % 绘制中间的竖线
\draw (0,1) -- (2,1); % 绘制中间的横线
\node at (1,1) {起点}; % 在中心添加文本
\end{tikzpicture}
\end{document}
将上述代码保存为 .tex 文件,并通过LaTeX编译器运行,你会得到一个包含简单图案的PDF文件。
应用案例和最佳实践
图形元素与路径
TikZ的强大在于其对各种图形元素的支持。例如,绘制圆圈、箭头和多边形非常直观。
圆和填充:
\filldraw[color=blue!20, ultra thick, draw=blue] (0,0) circle (1);
箭头连接节点:
\node[circle, fill=red] (A) at (0,0) {};
\node[circle, fill=green] (B) at (3,0) {};
\draw[-stealth, thick] (A) -- (B);
最佳实践中,合理组织代码结构,利用库(如positioning库)来精确控制元素位置,以及注释代码以便于维护是非常重要的。
典型生态项目
TikZ的生态系统包括了许多社区贡献的库和样式,用于特定类型的图表。例如,“pgfplots”库专门用于绘制高质量的二维和三维图表,而“mindmap”则适合思维导图的创建。尽管直接指向的GitHub仓库可能主要是关于TikZ的基本使用,但通过社区的其他仓库和资源,如CTAN上的包,可以找到这些扩展功能。
为了深入学习和探索TikZ的全部潜力,推荐查阅官方文档以及在线教程,比如TikZ.net和相关论坛,其中充满了实例和进阶技巧。
以上就是TikZ图形绘制的基本指南,从快速入门到一些实践建议,希望这能帮助你开始你的LaTeX图形设计之旅。随着实践的深入,你将能够创造出既有深度又有美感的图形作品。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07