build

chapter_data_structure/number_encoding.md

@@ -18,11 +18,11 @@ comments: true
 - **反码**：正数的反码与其原码相同，负数的反码是对其原码除符号位外的所有位取反。
 - **补码**：正数的补码与其原码相同，负数的补码是在其反码的基础上加 $1$ 。
 
-下图展示了原吗、反码和补码之间的转换方法。
+图 3-4 展示了原吗、反码和补码之间的转换方法。
 
 ![原码、反码与补码之间的相互转换](number_encoding.assets/1s_2s_complement.png)
 
-<p align="center"> 图：原码、反码与补码之间的相互转换 </p>
+<p align="center"> 图 3-4 &nbsp; 原码、反码与补码之间的相互转换 </p>
 
 「原码 true form」虽然最直观，但存在一些局限性。一方面，**负数的原码不能直接用于运算**。例如在原码下计算 $1 + (-2)$ ，得到的结果是 $-3$ ，这显然是不对的。
 
@@ -131,9 +131,9 @@ $$
 
 ![IEEE 754 标准下的 float 的计算示例](number_encoding.assets/ieee_754_float.png)
 
-<p align="center"> 图：IEEE 754 标准下的 float 的计算示例 </p>
+<p align="center"> 图 3-5 &nbsp; IEEE 754 标准下的 float 的计算示例 </p>
 
-观察上图，给定一个示例数据 $\mathrm{S} = 0$ ， $\mathrm{E} = 124$ ，$\mathrm{N} = 2^{-2} + 2^{-3} = 0.375$ ，则有：
+观察图 3-5 ，给定一个示例数据 $\mathrm{S} = 0$ ， $\mathrm{E} = 124$ ，$\mathrm{N} = 2^{-2} + 2^{-3} = 0.375$ ，则有：
 
 $$
 \text { val } = (-1)^0 \times 2^{124 - 127} \times (1 + 0.375) = 0.171875
@@ -143,9 +143,9 @@ $$
 
 **尽管浮点数 `float` 扩展了取值范围，但其副作用是牺牲了精度**。整数类型 `int` 将全部 32 位用于表示数字，数字是均匀分布的；而由于指数位的存在，浮点数 `float` 的数值越大，相邻两个数字之间的差值就会趋向越大。
 
-如下表所示，指数位 $E = 0$ 和 $E = 255$ 具有特殊含义，**用于表示零、无穷大、$\mathrm{NaN}$ 等**。
+如表 3-2 所示，指数位 $E = 0$ 和 $E = 255$ 具有特殊含义，**用于表示零、无穷大、$\mathrm{NaN}$ 等**。
 
-<p align="center"> 表：指数位含义 </p>
+<p align="center"> 表 3-2 &nbsp; 指数位含义 </p>
 
 <div class="center-table" markdown>