เครื่องมือนี้สร้างภาพหน้าจอ macOS ที่มีความสมจริงสูงของโปรแกรมเมอร์ที่กำลังฝึกโมเดลจำแนกรูปภาพด้วย Python ใน VS Code พร้อมแดชบอร์ดบนเบราว์เซอร์แบบสด เหมาะสำหรับใช้ทำภาพจำลองผลิตภัณฑ์ โพสต์โซเชียลมีเดีย และภาพประกอบสำหรับการสาธิต AI
ภาพหน้าจอเดสก์ท็อป macOS ที่สมจริงของพื้นที่ทำงานวิศวกร Machine Learning ในเวลากลางคืน แสดงผลแบบตรงหน้าพร้อมแถบเมนู macOS สีน้ำเงินเข้มและ Dock ที่ด้านล่าง บนเดสก์ท็อปมีหน้าต่างแอปพลิเคชันหลัก 2 หน้าต่างวางเคียงข้างกัน ทางด้านซ้ายเป็นหน้าต่าง Visual Studio Code ขนาดใหญ่ในธีมสีเข้มซึ่งกินพื้นที่ประมาณสองในสามของหน้าจอ โปรเจกต์ใน VS Code มีชื่อว่า "VISIONCLASSIFIER" ในแถบข้าง Explorer พร้อมโครงสร้างโฟลเดอร์ ML ด้วย Python ที่สมจริง โดยมีรายการระดับบนสุดหรือรายการที่ขยายอยู่ทั้งหมด 11 รายการ ได้แก่ .venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md ภายในโฟลเดอร์ notebooks ให้แสดงไฟล์ที่มองเห็นได้ 2 ไฟล์คือ 01_data_exploration.ipynb และ 02_model_training.ipynb ภายในโฟลเดอร์ src ให้แสดงโครงสร้างโค้ด ML ที่สมจริงประกอบด้วย dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.py พื้นที่แก้ไขโค้ดเปิดแท็บไว้ 4 แท็บคือ trainer.py, engine.py, resnet.py, config.yaml โดยแท็บที่ใช้งานอยู่คือ trainer.py แสดงโค้ด Python สำหรับการฝึก ResNet image classification ที่สะอาดและดูน่าเชื่อถือ รวมถึงคลาส Trainer, เมธอด train(self) และ train_epoch(self, epoch: int) -> Dict[str, float], การอ้างอิงถึง 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] ทำให้โค้ดมีความคมชัดแต่ดูเป็นธรรมชาติเหมือนหน้าจอจริง โดยมีหมายเลขบรรทัดแสดงอยู่ตั้งแต่บรรทัดที่ 24 ถึง 52 ที่ด้านล่างของหน้าต่าง VS Code มีเทอร์มินัลแบบรวมเปิดอยู่ที่แท็บ TERMINAL และแสดงบันทึกการฝึกที่สมจริงสำหรับ 4 Epoch คือ Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50 โดยแต่ละบรรทัดแสดงค่า Loss, Acc@1 และ Acc@5 ทั้งฝั่ง train และ val พร้อมบรรทัดสุดท้ายที่ระบุว่าบันทึก checkpoint ใหม่ที่ดีที่สุดแล้ว ให้ตัวเลขมีความสมเหตุสมผลสำหรับการฝึกที่ประสบความสำเร็จ โดยค่า top-1 accuracy อยู่ที่ประมาณ 0.88 ถึง 0.91 และ top-5 อยู่ที่ประมาณ 0.97 ถึง 0.98 รวมแถบสถานะ VS Code ที่ด้านล่างพร้อมรายละเอียดสภาพแวดล้อม Python ทางด้านขวา ให้วางหน้าต่างเว็บเบราว์เซอร์ธีมสีเข้ม 1 หน้าต่างที่แสดงแดชบอร์ดภายในเครื่องที่ localhost:8000 โดยมีชื่อหน้าว่า "VisionClassifier | Dashboard" และส่วนหัวของแอป "VisionClassifier" พร้อมคำบรรยาย "Image Classification Model" แดชบอร์ดประกอบด้วยส่วนที่วางซ้อนกัน 3 ส่วน ส่วนแรกคือ "Model Overview" พร้อมการ์ดแสดงตัวชี้วัด 4 ใบ: Top-1 Accuracy 91.23%, Top-5 Accuracy 98.30%, Total Parameters 23.51M, Model ResNet-50 ส่วนที่สองคือ "Recent Training" พร้อมแผนภูมิเส้นสีเข้มแสดงค่าความแม่นยำตลอด 50 Epoch โดยมีเส้นสี 2 เส้นที่ระบุว่า Train (Top-1) และ Val (Top-1) ซึ่งทั้งคู่พุ่งสูงขึ้นอย่างรวดเร็วและคงที่อยู่ที่ประมาณ 90 กว่าเปอร์เซ็นต์ ส่วนที่สามคือ "Confusion Matrix" แสดงแผนที่ความร้อนขนาด 10x10 พร้อมเส้นทแยงมุมที่สว่างและแกนที่ระบุว่า True Label และ Predicted Label ใช้การสะท้อนแสงที่นุ่มนวล ตัวอักษรที่คมชัด ระยะห่าง UI ที่สมจริง และแสงหน้าจอที่ดูเป็นธรรมชาติ แถบเมนูด้านบนของ macOS ควรแสดงเมนูทั่วไป เช่น Code, File, Edit, Selection, View, Go, Run, Terminal, Window, Help ทางด้านซ้าย และไอคอนระบบพร้อมเวลา Tue May 13 9:41 AM ทางด้านขวา Dock ควรมีไอคอนแอปที่คุ้นเคยและให้ความรู้สึกสมจริงแต่ไม่รบกวนสายตา สไตล์โดยรวม: ภาพหน้าจอที่สมจริงเป็นพิเศษ พื้นที่ทำงานของนักพัฒนามืออาชีพ อินเทอร์เฟซโหมดมืดที่สวยงาม ไม่มีการตกแต่งสไตล์ ไม่ใช่ภาพวาด แยกไม่ออกจากภาพหน้าจอจริง