Desktop per sviluppatori ML fotorealistico
Genera uno screenshot macOS altamente realistico di un programmatore che addestra un modello di classificazione immagini Python in VS Code con una dashboard live nel browser, utile per mockup di prodotti, post sui social e visual per demo di intelligenza artificiale.
Istruzione
Uno screenshot fotorealistico del desktop macOS di uno sviluppatore di machine learning durante la notte, ripreso frontalmente con la barra dei menu macOS blu scuro e il dock visibile lungo la parte inferiore. Il desktop contiene esattamente 2 finestre di applicazioni principali affiancate. A sinistra, un'ampia finestra di Visual Studio Code in tema scuro occupa circa due terzi dello schermo. Il progetto VS Code è denominato "VISIONCLASSIFIER" nella barra laterale Explorer, con un albero delle cartelle Python ML realistico che include esattamente 11 elementi visibili di primo livello o espansi: .venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md. All'interno di notebooks, mostra esattamente 2 file visibili: 01_data_exploration.ipynb e 02_model_training.ipynb. All'interno di src, mostra una struttura di codice ML realistica con dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.py. L'area dell'editor ha esattamente 4 schede aperte: trainer.py, engine.py, resnet.py, config.yaml. La scheda attiva è trainer.py. Visualizza codice di addestramento Python pulito e credibile per una pipeline di classificazione immagini ResNet, inclusa una classe Trainer, i metodi train(self) e train_epoch(self, epoch: int) -> Dict[str, float], riferimenti a 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]. Rendi il codice nitido ma naturalmente simile a uno schermo, con i numeri di riga visibili tra la 24 e la 52. Nella parte inferiore della finestra di VS Code, il terminale integrato è aperto sulla scheda TERMINAL e mostra log di addestramento realistici per esattamente 4 epoche in vista: Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50, ognuna con righe di train e val che elencano Loss, Acc@1 e Acc@5, più una riga finale che indica il salvataggio di un nuovo miglior checkpoint. Mantieni i numeri plausibili per un'esecuzione di addestramento riuscita, con un'accuratezza top-1 tra 0,88 e 0,91 e top-5 tra 0,97 e 0,98. Includi la consueta barra di stato di VS Code lungo la parte inferiore con i dettagli dell'ambiente Python. A destra, posiziona esattamente 1 finestra del browser web in tema scuro che mostra una dashboard locale su localhost:8000 con il titolo della pagina "VisionClassifier | Dashboard" e l'intestazione dell'app "VisionClassifier" più il sottotitolo "Image Classification Model". La dashboard contiene esattamente 3 sezioni impilate. La prima sezione è "Model Overview" con esattamente 4 schede metriche: Top-1 Accuracy 91,23%, Top-5 Accuracy 98,30%, Total Parameters 23,51M, Model ResNet-50. La seconda sezione è "Recent Training" con un grafico a linee scuro dell'accuratezza su 50 epoche, che mostra esattamente 2 curve colorate etichettate Train (Top-1) e Val (Top-1), entrambe in rapida ascesa e che si stabilizzano intorno al 90%. La terza sezione è "Confusion Matrix" che mostra una heatmap 10x10 con una diagonale luminosa e gli assi etichettati True Label e Predicted Label. Utilizza riflessi sottili, tipografia nitida, spaziatura dell'interfaccia realistica e un bagliore dello schermo credibile. La barra dei menu superiore di macOS dovrebbe mostrare menu comuni come Code, File, Edit, Selection, View, Go, Run, Terminal, Window, Help a sinistra e icone di sistema con l'orario che indica Tue May 13 9:41 AM a destra. Il dock dovrebbe contenere molte icone di app riconoscibili e risultare autentico ma non distraente. Stile generale: screenshot ultra-realistico, workstation per sviluppatori professionale, interfacce in modalità scura rifinite, nessuna stilizzazione, nessuna illustrazione, indistinguibile da una vera acquisizione dello schermo.
Come usare questo prompt
- 1
Copia il prompt completo qui sopra.
- 2
Apri una piattaforma che supporta GPT Image 2, come YouMind, e incolla il prompt.
- 3
Cambia soggetto, stile o dettagli in base alla tua idea, poi genera.
Questo è un prompt IA gratuito della libreria di prompt di YouMind. Esplora altre migliaia di prompt immagine, tutti liberi da copiare e adattare.
Esplora altri prompt immagineAltro da GPT Image 2
Illustrazione editoriale in stile doodle coreano
@Sairah
Poster infografico sul termine solare Xiaoshu
@小小东
Poster di viaggio minimalista della città
@Taaruk
Design di packaging con collage fatto a mano
@小小东
Sfondo lettore musicale anime color menta
@あまり🖋️AI &フリー素材配布
Griglia di confronto: da foto a schizzo anime
@Cherry 2.O
Tutte le categorie Immagine
01
Casi d’uso
02
Stili
Altre funzioni per prompt
Libreria IA
Ricerca prompt con IA
Lascia che l'IA cerchi tra decine di migliaia di prompt. Filtra per modello, intervallo di date e parole chiave e ordina per interazione: visualizzazioni, preferiti, condivisioni e altro.
Strumenti visivi
Da immagine a prompt
Trasforma qualsiasi foto in un prompt di immagine AI dettagliato. Il convertitore gratuito da immagine a prompt analizza composizione, stile e luce per ricreare ogni look in pochi secondi.
Altre funzioni per prompt
Pensato per i creator. Gratis per sempre.
YouMind è il copilota creativo IA scelto da creator in tutto il mondo. Ogni prompt è curato per aiutarti a creare meglio e più velocemente.