机器学习工程师工作台截图 AI图片提示词

一张真实感macOS桌面截图，显示机器学习工程师在夜晚的工作空间，正面视角，深蓝色macOS菜单栏，底部可见Dock。桌面上恰好并排有两个主要应用窗口。左侧是一个占用约三分之二屏幕的深色主题大Visual Studio Code窗口。VS Code项目在资源管理器侧边栏中命名为"VISIONCLASSIFIER"，具有真实的Python ML文件夹树，恰好显示11个可见的顶级或展开项：.venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md。在notebooks内，恰好显示2个可见文件：01_data_exploration.ipynb和02_model_training.ipynb。在src内，显示真实的ML代码结构，包含dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.py。编辑器区域恰好有4个打开的选项卡：trainer.py, engine.py, resnet.py, config.yaml。活动选项卡是trainer.py。显示清晰、可信的ResNet图像分类管线的Python训练代码，包括一个Trainer类，方法train(self)和train_epoch(self, epoch: int) -> Dict[str, float]，引用self.cfg.training.epochs, train_metrics, val_metrics, scheduler.step, save_checkpoint, self.model.train(), batch["image"], batch["label"], optimizer.zero_grad, criterion, loss.backward, optimizer.step, accuracy(outputs, targets, topk=(1,))[0]。代码清晰但自然像屏幕，行号可见，大约24到52行。在VS Code窗口底部，集成终端打开在TERMINAL选项卡上，显示恰好4个epoch的真实训练日志：Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50，每个都有train和val行列出Loss, Acc@1, 和 Acc@5，最后一行显示保存了新的最佳检查点。数字对于成功的训练应合理，top-1准确率大约0.88到0.91，top-5大约0.97到0.98。包括通常的VS Code状态栏，底部显示Python环境详细信息。右侧恰好放置一个深色主题的web浏览器窗口，显示本地仪表板localhost:8000，页面标题为"VisionClassifier | Dashboard"，应用标题"VisionClassifier"加上副标题"Image Classification Model"。仪表板恰好包含3个堆叠部分。第一部分是"Model Overview"，恰好有4个指标卡片：Top-1 Accuracy 91.23%，Top-5 Accuracy 98.30%，Total Parameters 23.51M，Model ResNet-50。第二部分是"Recent Training"，带有50个epoch的精确度折线图，恰好显示2条彩色曲线，标记为Train (Top-1)和Val (Top-1)，两者都快速上升并在90%左右稳定。第三部分是"Confusion Matrix"，显示一个10x10热图，对角线明亮，轴标签为True Label和Predicted Label。使用微妙的反射、清晰排版、真实的UI间距和可信的屏幕发光。macOS顶部菜单栏左侧应显示常见菜单如Code, File, Edit, Selection, View, Go, Run, Terminal, Window, Help，右侧显示系统图标和时间Tue May 13 9:41 AM。Dock应包含许多可识别的应用图标，感觉真实但不分散注意力。整体风格：超真实截图、专业开发者工作站、精致深色模式界面、非风格化、非插画、与真实屏幕捕捉无异。