Shaun ZhouandClaude Opus 5
e4bd794025
在 preview 拼图的同级目录生成 cluster_scatter.png： - 左：聚类空间的 PCA 二维投影，散点按簇着色 + 质心标记，标题标注两个主成分的方差占比 - 右：质心两两距离矩阵（在聚类空间里算，不是投影后），带数值标注 投影用 PCA 而不是 t-SNE/UMAP——后两者为了把簇拉开会扭曲簇间距离， 而这张图的目的就是看距离。 - ClusterResult 新增 points 字段，保留 KMeans 实际使用的空间供可视化复用， 质心与散点用同一组主成分变换，避免质心飘到簇外 - summary.json 新增 centroid_distances - 新增 scatter 配置块（enabled / max_points / point_size / alpha / figsize / dpi） - 中文字体按 PingFang / Noto Sans CJK 等顺序探测，找不到自动退回英文标签， 不会画成豆腐块 - 新增依赖 matplotlib Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
50 lines
1.2 KiB
TOML
50 lines
1.2 KiB
TOML
[project]
|
|
name = "modeltraineval"
|
|
version = "0.1.0"
|
|
description = "薄膜缺陷分类定位模型的训练与评估（纯卷积，面向实时设备部署）"
|
|
readme = "README.md"
|
|
authors = [
|
|
{ name = "Shaun Zhou", email = "xiangyuzhou823@gmail.com" }
|
|
]
|
|
requires-python = ">=3.12"
|
|
dependencies = [
|
|
"torch>=2.4",
|
|
"torchvision>=0.19",
|
|
"numpy>=1.26",
|
|
"pillow>=10.3",
|
|
"pyyaml>=6.0",
|
|
"swanlab[dashboard]>=0.10.0",
|
|
"matplotlib>=3.8",
|
|
]
|
|
|
|
[dependency-groups]
|
|
dev = [
|
|
"pytest>=8.0",
|
|
"ruff>=0.6",
|
|
]
|
|
# ONNX 导出（部署用），按需安装：uv sync --group export
|
|
export = [
|
|
"onnx>=1.16",
|
|
"onnxscript>=0.2",
|
|
]
|
|
|
|
[tool.uv]
|
|
# 本仓库是应用而非库：不打包安装，直接从仓库根目录运行 train.py / eval.py。
|
|
package = false
|
|
|
|
# 训练机（Linux + Nvidia GPU）请用 CUDA 版 torch，例如：
|
|
# uv pip install --index-url https://download.pytorch.org/whl/cu124 torch torchvision
|
|
# 默认 PyPI 源在 Linux 上装的是 CUDA 构建，在 macOS 上只有 CPU 构建（仅可用于评估/导出）。
|
|
|
|
[tool.pytest.ini_options]
|
|
testpaths = ["tests"]
|
|
pythonpath = ["."]
|
|
addopts = "-q"
|
|
|
|
[tool.ruff]
|
|
line-length = 110
|
|
target-version = "py312"
|
|
|
|
[tool.ruff.lint]
|
|
select = ["E", "F", "I", "UP", "B"]
|