latex listings matlab,LaTeX：listings最好看代码块设置

前言：listings是专用的latex代码块包，可以插入好看的代码块。

必备的包：listings、xcolor、caption

实例：

\usepackage{caption}

\usepackage[dvipsnames]{xcolor} % 更全的色系

\usepackage{listings} % 排代码用的宏包

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%% listings设置

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

\lstset{

language = Python,

backgroundcolor = \color{yellow!10}, % 背景色：淡黄

basicstyle = \small\ttfamily, % 基本样式 + 小号字体

rulesepcolor= \color{gray}, % 代码块边框颜色

breaklines = true, % 代码过长则换行

numbers = left, % 行号在左侧显示

numberstyle = \small, % 行号字体

keywordstyle = \color{blue}, % 关键字颜色

commentstyle =\color{green!100}, % 注释颜色

stringstyle = \color{red!100}, % 字符串颜色

frame = shadowbox, % 用(带影子效果)方框框住代码块

showspaces = false, % 不显示空格

columns = fixed, % 字间距固定

%escapeinside={} % 特殊自定分隔符：

morekeywords = {as}, % 自加新的关键字(必须前后都是空格)

deletendkeywords = {compile} % 删除内定关键字；删除错误标记的关键字用deletekeywords删！

}

使用：

\begin{lstlisting}[caption = cs代码表测试]

import keras

from keras import layers

def train_model(maxword, maxlen):

model = keras.Sequential()

# 前面数据需要的“词向量化”的操作，不算双向RNN的要求：

model.add( layers.Embedding(maxword, 50, input_length=maxlen) )

# 双向RNN搭建：

model.add( layers.Bidirectional( layers.LSTM(64, dropout = 0.2, recurrent_dropout = 0.5) ) )

# 外接一个单独的dropout层：非必须

model.add( layers.Dropout(0.2) )

# 进入全连接层：二分类，1个神经元就够

model.add( layers.Dense(1, activation='sigmoid') )

# 网络编译也在这个函数内完成：内容没变化

model.compile( optimizer='adam',

loss = 'binary_crossentropy',

metrics = ['acc']

)

return model

\end{lstlisting}

效果如下：

效果图