Photoreal ML Developer Desktop
This generates a highly realistic macOS screenshot of a programmer training a Python image-classification model in VS Code with a live browser dashboard, useful for product mockups, social posts, and AI demo visuals.
プロンプト
夜間の機械学習エンジニアのワークスペースを正面から撮影した写真実的なmacOSデスクトップスクリーンショット。ダークブルーのmacOSメニューバーと、下部にドックが表示されている。デスクトップには正確に2つのメインアプリケーションウィンドウが横に並んでいる。左には、ダークテーマの大きなVisual Studio Codeウィンドウが画面の約2/3を占める。VS CodeプロジェクトはExplorerサイドバーで「VISIONCLASSIFIER」と名付けられ、正確に11個の表示されるトップレベルまたは展開されたアイテムを含むリアルなPython MLフォルダツリー：.venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md。notebooks内には正確に2つの表示されるファイル：01_data_exploration.ipynbと02_model_training.ipynb。src内には、dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.pyを含むリアルなMLコード構造。エディタエリアには正確に4つのタブが開いている：trainer.py, engine.py, resnet.py, config.yaml。アクティブなタブはtrainer.py。ResNet画像分類パイプラインのクリーンで信頼できるPythonトレーニングコードを表示し、class Trainer、メソッドtrain(self)とtrain_epoch(self, epoch: int) -> Dict[str, float]、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]への参照を含む。コードはスクリーンのように自然で、行24から52付近に行番号が表示。VS Codeウィンドウの下部には、TERMINALタブで統合ターミナルが開いており、正確に4エポックの現実的なトレーニングログが表示：Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50、各エポックにLoss, Acc@1, Acc@5をリストするtrainとval行、および新しいベストチェックポイントが保存されたとの最終行。トップ1精度が約0.88から0.91、トップ5が約0.97から0.98の成功したトレーニングランのための信頼できる数字を維持。Python環境詳細を含む通常のVS Codeステータスバーを下部に表示。右には、正確に1つのダークテーマのウェブブラウザウィンドウを配置し、localhost:8000のローカルダッシュボードを表示。ページタイトルは「VisionClassifier | Dashboard」、アプリヘッダーは「VisionClassifier」、サブタイトルは「Image Classification Model」。ダッシュボードには正確に3つの積み重ねられたセクション。最初のセクションは「Model Overview」で、正確に4つのメトリックカード：Top-1 Accuracy 91.23%, Top-5 Accuracy 98.30%, Total Parameters 23.51M, Model ResNet-50。2番目のセクションは「Recent Training」で、50エポックにわたる精度のダークラインチャート、正確に2つの色付きカーブTrain (Top-1)とVal (Top-1)、両方とも急速に上昇し低90台前後で安定。3番目のセクションは「Confusion Matrix」で、明るい対角線とTrue LabelとPredicted Labelの軸ラベルを持つ10x10ヒートマップ。微細な反射、クリーンなタイポグラフィ、リアルなUI間隔、信頼できる画面の輝きを使用。macOSの上部メニューバーには、左にCode, File, Edit, Selection, View, Go, Run, Terminal, Window, Helpなどの一般的なメニュー、右にシステムアイコンと時刻Tue May 13 9:41 AM。ドックには多くの認識できるアプリアイコンを含み、本物だが邪魔にならない。全体のスタイル：超リアルなスクリーンショット、プロの開発ワークステーション、洗練されたダークモードインターフェース、スタイル化なし、イラストレーションなし、実際の画面キャプチャと区別できない。
機械翻訳 — この作品を生成したのは元のプロンプトです。
元のプロンプト
A photorealistic macOS desktop screenshot of a machine learning engineer’s workspace at night, shown straight-on with a dark blue macOS menu bar and the dock visible along the bottom. The desktop contains exactly 2 main application windows side by side. On the left, a large Visual Studio Code window in dark theme occupies about two-thirds of the screen. The VS Code project is named "VISIONCLASSIFIER" in the Explorer sidebar, with a realistic Python ML folder tree including exactly 11 visible top-level or expanded items: .venv, data, raw, processed, images, notebooks, src, utils, config.yaml, requirements.txt, README.md. Inside notebooks, show exactly 2 visible files: 01_data_exploration.ipynb and 02_model_training.ipynb. Inside src, show a realistic ML code structure with dataset.py, transforms.py, models, resnet.py, train, engine.py, trainer.py, utils.py. The editor area has exactly 4 tabs open: trainer.py, engine.py, resnet.py, config.yaml. The active tab is trainer.py. Display clean, believable Python training code for a ResNet image classification pipeline, including a class Trainer, methods train(self) and train_epoch(self, epoch: int) -> Dict[str, float], references to 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]. Make the code sharp but naturally screen-like, with line numbers visible around lines 24 to 52. At the bottom of the VS Code window, the integrated terminal is open on the TERMINAL tab and shows realistic training logs for exactly 4 epochs in view: Epoch 12/50, Epoch 13/50, Epoch 14/50, Epoch 15/50, each with train and val lines listing Loss, Acc@1, and Acc@5, plus a final line saying a new best checkpoint was saved. Keep the numbers plausible for a successful training run, with top-1 accuracy around 0.88 to 0.91 and top-5 around 0.97 to 0.98. Include the usual VS Code status bar along the bottom with Python environment details. On the right, place exactly 1 dark-themed web browser window showing a local dashboard at localhost:8000 with the page title "VisionClassifier | Dashboard" and the app header "VisionClassifier" plus subtitle "Image Classification Model". The dashboard contains exactly 3 stacked sections. The first section is "Model Overview" with exactly 4 metric cards: Top-1 Accuracy 91.23%, Top-5 Accuracy 98.30%, Total Parameters 23.51M, Model ResNet-50. The second section is "Recent Training" with a dark line chart of accuracy over 50 epochs, showing exactly 2 colored curves labeled Train (Top-1) and Val (Top-1), both rising quickly and stabilizing around the low 90s. The third section is "Confusion Matrix" showing a 10x10 heatmap with a bright diagonal and axes labeled True Label and Predicted Label. Use subtle reflections, crisp typography, realistic UI spacing, and believable screen glow. The macOS top menu bar should show common menus like Code, File, Edit, Selection, View, Go, Run, Terminal, Window, Help on the left and system icons with the time reading Tue May 13 9:41 AM on the right. The dock should contain many recognizable app icons and feel authentic but not distracting. Overall style: ultra-realistic screenshot, professional developer workstation, polished dark mode interfaces, no stylization, no illustration, indistinguishable from a real screen capture.