Mathpix-----再也不用手敲复杂公式!

Mathpix (全称, Mathpix Snipping Tool)

看论文时候总少不了一些数学公式,在word中一个字符一个字符的敲也是可以实现的,但是效率太低了。

推荐一款好用工具,在复杂的公式,只要有照片就能转成LaTeX,MathType。

用 LaTex 表达式写数学公式还是挺麻烦的,至少一般人做不到手写速度。但是我们有 Mathpix Snip 啊,只要截个图,公式会自动转化为 LaTex 表达式,我们只需要简单地修改修改就行了。Mathpix Snip 的设计初衷是帮助人们在通过手机或电脑输入数学公式时节省时间。
在这里插入图片描述

1. Mathpix Snipping Tool下载

2. 安装

3找到Mathpix Snipping Tool,打开,开始使用:

在这里插入图片描述

4. 截取刚才pdf中,我们想要的公式

在这里插入图片描述

5. 从上面四行中,选择自己想要的格式,复制

6. 粘贴到MathType中

在这里插入图片描述

7. 把我们最终想要的公式,粘贴到我们的word文档中就可以了.

  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
pix2pix-GAN是一种用于图像转换的深度学习模型,它可以将一种类型的图像转换为另一种类型的图像。在这个问题中,您提到了"pix2pix-gan ct mr",我假设您想了解如何使用pix2pix-GAN模型将CT扫描图像转换为MR扫描图像。 为了使用pix2pix-GAN模型进行CT到MR图像的转换,您需要进行以下步骤: 1. 数据准备:首先,您需要准备一个包含CT和MR图像对的数据集。这些图像对应该是配对的,即每个CT图像都有一个对应的MR图像。您可以使用医学图像处理软件或库来获取这些图像对,并确保它们具有相同的尺寸和对应的结构。 2. 数据预处理:在将图像输入pix2pix-GAN模型之前,您可能需要对图像进行一些预处理。例如,您可以对图像进行归一化、裁剪或调整大小,以确保它们具有相同的尺寸和范围。 3. 模型训练:接下来,您需要使用准备好的数据集来训练pix2pix-GAN模型。您可以使用已经实现的pix2pix-GAN模型,如上述提到的https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix。该库提供了一个训练脚本,您可以使用该脚本来训练您的模型。在训练过程中,模型将学习如何将CT图像转换为MR图像。 4. 模型测试和应用:一旦您的模型训练完成,您可以使用它来进行图像转换。您可以将一个CT图像输入到模型中,并获得一个对应的MR图像作为输出。这样,您就可以使用pix2pix-GAN模型将CT图像转换为MR图像。 请注意,以上步骤只是一个基本的概述,实际应用中可能还需要进行更多的调整和优化。此外,确保您遵循适当的法律和伦理规定,以及获得必要的许可和数据使用权。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
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