【免费下载】 南京大学学位论文LaTeX模板使用教程
2026-01-20 02:19:18作者:郜逊炳
1. 项目介绍
njuthesis 是一个用于制作南京大学本科生毕业论文、研究生学位论文、博士后出站报告的 LaTeX 文档类。本模板基于本科生院的论文撰写规范制作,同时参考研究生院提供的硕士、博士学位材料包,用于生成符合南京大学排版要求和相应的国家标准的学位论文。模板力求通过 LaTeX3 语法实现清晰的实现逻辑、较高的可定制性以及友好的用户接口。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 LaTeX 发行版,如 TeX Live 或 MiKTeX,并且支持 XeLaTeX 或 LuaLaTeX 编译。
2.2 下载模板
你可以通过以下命令从 GitHub 仓库下载模板:
git clone https://github.com/nju-lug/NJUThesis.git
2.3 编译模板
进入项目目录并使用 XeLaTeX 或 LuaLaTeX 编译主文件 main.tex:
cd NJUThesis
xelatex main.tex
2.4 查看生成的文档
编译完成后,你可以在项目目录中找到生成的 PDF 文件 main.pdf。
3. 应用案例和最佳实践
3.1 本科生毕业论文
使用 njuthesis 模板撰写本科生毕业论文时,可以根据模板提供的示例文件进行修改,确保论文格式符合南京大学本科生院的规范。
3.2 研究生学位论文
对于研究生学位论文,模板提供了详细的配置选项,可以根据不同的学位类型(硕士、博士)进行调整,确保论文符合研究生院的排版要求。
3.3 博士后出站报告
博士后出站报告同样可以使用 njuthesis 模板进行撰写,模板提供了相应的配置选项,确保报告格式符合南京大学的要求。
4. 典型生态项目
4.1 TeX Live
njuthesis 模板可以在 TeX Live 发行版中使用,确保你已经安装了 TeX Live 并配置好环境。
4.2 MiKTeX
如果你使用的是 MiKTeX,模板同样可以在 MiKTeX 中使用,确保你已经安装了 MiKTeX 并配置好环境。
4.3 Overleaf
对于在线协作编写论文的用户,可以将 njuthesis 模板上传到 Overleaf 平台,进行在线编写和编译。
通过以上步骤,你可以快速上手并使用 njuthesis 模板撰写符合南京大学要求的学位论文。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
649
4.22 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
484
589
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
388
278
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
880
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
331
387
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
936
847
暂无简介
Dart
896
214
昇腾LLM分布式训练框架
Python
141
165
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194