可复制提示词
一张超写实的 macOS 桌面截图，展示了机器学习工程师在夜晚的工作空间。画面为正视视角，顶部为深蓝色 macOS 菜单栏，底部可见程序坞（Dock）。桌面上并排显示 2 个主要应用程序窗口。左侧是一个占据屏幕约三分之二的深色主题 Visual Studio Code 窗口。VS Code 项目在资源管理器侧边栏中命名为 "VISIONCLASSIFIER"，包含一个逼真的 Python ML 文件夹树，其中有 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 文件夹内，显示 2 个可见文件：01_data_exploration.ipynb 和 02_model_training.ipynb。在 src 文件夹内，展示真实的 ML 代码结构，包含 dataset.py、transforms.py、models、resnet.py、train、engine.py、trainer.py、utils.py。编辑器区域打开了 4 个标签页：trainer.py、engine.py、resnet.py、config.yaml，当前活动标签页为 trainer.py。显示清晰、可信的 ResNet 图像分类流水线 Python 训练代码，包含 Trainer 类、train(self) 和 train_epoch(self, epoch: int) -> Dict[str, float] 方法，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]。代码需清晰且具有自然的屏幕质感，行号显示在 24 到 52 行之间。VS Code 窗口底部打开了集成终端的 TERMINAL 标签页，显示 4 个 epoch 的真实训练日志：Epoch 12/50、Epoch 13/50、Epoch 14/50、Epoch 15/50，每行包含 Loss、Acc@1 和 Acc@5 的训练与验证数据，最后一行显示已保存新的最佳检查点。数值需符合成功的训练过程，Top-1 准确率在 0.88 到 0.91 之间，Top-5 准确率在 0.97 到 0.98 之间。底部包含常规的 VS Code 状态栏，显示 Python 环境详情。右侧放置 1 个深色主题的网页浏览器窗口，显示 localhost:8000 上的本地仪表盘，页面标题为 "VisionClassifier | Dashboard"，应用标题为 "VisionClassifier"，副标题为 "Image Classification Model"。仪表盘包含 3 个堆叠部分。第一部分是 "Model Overview"，包含 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"，展示一张 50 个 epoch 的准确率深色折线图，包含 2 条标注为 Train (Top-1) 和 Val (Top-1) 的彩色曲线，曲线迅速上升并稳定在 90% 左右。第三部分是 "Confusion Matrix"，显示一个 10x10 的热力图，具有明亮的对角线，坐标轴标注为 True Label 和 Predicted Label。使用细腻的反射效果、清晰的排版、真实的 UI 间距和逼真的屏幕光晕。macOS 顶部菜单栏左侧显示 Code、File、Edit、Selection、View、Go、Run、Terminal、Window、Help 等常用菜单，右侧显示系统图标，时间显示为 Tue May 13 9:41 AM。程序坞应包含多个可识别的应用图标，整体感觉真实且不杂乱。整体风格：超写实截图、专业开发者工作站、精致的深色模式界面、无风格化、无插画感，与真实屏幕截图无异。
提示词拆解
一张超写实的 macOS 桌面截图，展示了机器学习工程师在夜晚的工作空间。画面为正视视角，顶部为深蓝色 macOS 菜单栏，底部可见程序坞（Dock）。桌面上并排显示 2 个主要应用程序窗口。左侧是一个占据屏幕约三分之二的深色主题 Visual Studio Code 窗口。VS Code 项目在资源管理器侧边栏中命名为 "VISIONCLASSIFIER"，包含一个逼真的 Python ML 文件夹树，其中有 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 文件夹内，显示 2 个可见文件：01_data_exploration.ipynb 和 02_model_training.ipynb。在 src 文件夹内，展示真实的 ML 代码结构，包含 dataset.py、transforms.py、models、resnet.py、train、engine.py、trainer.py、utils.py。编辑器区域打开了 4 个标签页：trainer.py、engine.py、resnet.py、config.yaml，当前活动标签页为 trainer.py。显示清晰、可信的 ResNet 图像分类流水线 Python 训练代码，包含 Trainer 类、train(self) 和 train_epoch(self, epoch: int) -> Dict[str, float] 方法，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]。代码需清晰且具有自然的屏幕质感，行号显示在 24 到 52 行之间。VS Code 窗口底部打开了集成终端的 TERMINAL 标签页，显示 4 个 epoch 的真实训练日志：Epoch 12/50、Epoch 13/50、Epoch 14/50、Epoch 15/50，每行包含 Loss、Acc@1 和 Acc@5 的训练与验证数据，最后一行显示已保存新的最佳检查点。数值需符合成功的训练过程，Top-1 准确率在 0.88 到 0.91 之间，Top-5 准确率在 0.97 到 0.98 之间。底部包含常规的 VS Code 状态栏，显示 Python 环境详情。右侧放置 1 个深色主题的网页浏览器窗口，显示 localhost:8000 上的本地仪表盘，页面标题为 "VisionClassifier | Dashboard"，应用标题为 "VisionClassifier"，副标题为 "Image Classification Model"。仪表盘包含 3 个堆叠部分。第一部分是 "Model Overview"，包含 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"，展示一张 50 个 epoch 的准确率深色折线图，包含 2 条标注为 Train (Top-1) 和 Val (Top-1) 的彩色曲线，曲线迅速上升并稳定在 90% 左右。第三部分是 "Confusion Matrix"，显示一个 10x10 的热力图，具有明亮的对角线，坐标轴标注为 True Label 和 Predicted Label。使用细腻的反射效果、清晰的排版、真实的 UI 间距和逼真的屏幕光晕。macOS 顶部菜单栏左侧显示 Code、File、Edit、Selection、View、Go、Run、Terminal、Window、Help 等常用菜单，右侧显示系统图标，时间显示为 Tue May 13 9:41 AM。程序坞应包含多个可识别的应用图标，整体感觉真实且不杂乱。整体风格：超写实截图、专业开发者工作站、精致的深色模式界面、无风格化、无插画感，与真实屏幕截图无异。
使用清晰的风格、灯光和构图提示。
说明生成图像将用于哪里。
避免品牌 Logo，商业使用前请复核许可。
