Bu, bir programcının VS Code üzerinde Python görüntü sınıflandırma modeli eğittiği, canlı bir tarayıcı paneli içeren, ürün maketleri, sosyal medya gönderileri ve yapay zeka demo görselleri için kullanışlı, son derece gerçekçi bir macOS ekran görüntüsü oluşturur.
Gece vakti bir makine öğrenimi mühendisinin çalışma alanını gösteren, doğrudan karşıdan çekilmiş, koyu mavi macOS menü çubuğu ve altta dock'un göründüğü fotogerçekçi bir macOS masaüstü ekran görüntüsü. Masaüstünde yan yana tam olarak 2 ana uygulama penceresi bulunmaktadır. Solda, ekranın yaklaşık üçte ikisini kaplayan koyu temalı büyük bir Visual Studio Code penceresi yer alır. VS Code projesinin Explorer kenar çubuğundaki adı "VISIONCLASSIFIER"dır ve .venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md olmak üzere tam olarak 11 görünür üst düzey veya genişletilmiş öğeyi içeren gerçekçi bir Python ML klasör ağacına sahiptir. Notebooks klasörünün içinde tam olarak 2 görünür dosya gösterin: 01_data_exploration.ipynb ve 02_model_training.ipynb. Src klasörünün içinde dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.py dosyalarını içeren gerçekçi bir ML kod yapısı gösterin. Düzenleyici alanında tam olarak 4 sekme açık: trainer.py, engine.py, resnet.py, config.yaml. Aktif sekme trainer.py'dir. Bir ResNet görüntü sınıflandırma hattı için, Trainer sınıfı, train(self) ve train_epoch(self, epoch: int) -> Dict[str, float] metotları, 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] referanslarını içeren temiz ve inandırıcı bir Python eğitim kodu görüntüleyin. Kodu keskin ancak doğal bir ekran görünümünde tutun, 24 ile 52. satırlar arasında satır numaraları görünür olsun. VS Code penceresinin alt kısmında, entegre terminal TERMINAL sekmesinde açık olsun ve görünürde tam olarak 4 epoch için gerçekçi eğitim günlüklerini göstersin: Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50; her biri Loss, Acc@1 ve Acc@5 değerlerini listeleyen train ve val satırlarına sahip olsun, ayrıca yeni bir en iyi kontrol noktasının (checkpoint) kaydedildiğini belirten son bir satır eklensin. Başarılı bir eğitim süreci için sayıları makul tutun; top-1 doğruluğu 0.88 ile 0.91 arasında, top-5 doğruluğu ise 0.97 ile 0.98 arasında olsun. Alt kısımda Python ortam detaylarını içeren standart VS Code durum çubuğunu ekleyin. Sağ tarafa, localhost:8000 adresinde "VisionClassifier | Dashboard" sayfa başlığına ve "VisionClassifier" uygulama başlığı ile "Image Classification Model" alt başlığına sahip, yerel bir paneli gösteren tam olarak 1 adet koyu temalı web tarayıcısı penceresi yerleştirin. Panel tam olarak 3 istiflenmiş bölümden oluşur. İlk bölüm, tam olarak 4 metrik kartı içeren "Model Overview"dır: Top-1 Accuracy 91.23%, Top-5 Accuracy 98.30%, Total Parameters 23.51M, Model ResNet-50. İkinci bölüm, 50 epoch boyunca doğruluğu gösteren koyu renkli bir çizgi grafiğine sahip "Recent Training"dir; Train (Top-1) ve Val (Top-1) olarak etiketlenmiş, her ikisi de hızla yükselen ve 90'ların başında sabitlenen tam olarak 2 renkli eğriyi gösterin. Üçüncü bölüm, parlak bir köşegen ve True Label ile Predicted Label olarak etiketlenmiş eksenlere sahip 10x10'luk bir ısı haritası (heatmap) gösteren "Confusion Matrix"dir. İnce yansımalar, net tipografi, gerçekçi UI boşlukları ve inandırıcı bir ekran parıltısı kullanın. macOS üst menü çubuğu solda Code, File, Edit, Selection, View, Go, Run, Terminal, Window, Help gibi yaygın menüleri, sağda ise Tue May 13 9:41 AM saatini gösteren sistem simgelerini içermelidir. Dock, birçok tanınabilir uygulama simgesini içermeli ve dikkat dağıtıcı değil, özgün hissettirmelidir. Genel stil: ultra gerçekçi ekran görüntüsü, profesyonel geliştirici iş istasyonu, cilalı koyu mod arayüzleri, stilize edilmemiş, illüstrasyon içermeyen, gerçek bir ekran yakalamadan ayırt edilemez.
