01 · DATASET SPLIT
等待检查模型分数看起来很高，为什么仍然不能直接驱动灵巧手？
沿着数据集、训练、验证、模型卡和推理质量门走一遍完整流程。所有样本、损失与混淆矩阵都是公开的教学fixture；这里没有训练真实神经网络，也不声称模型已达到生产精度。
- 01定义任务3类手势
- 02划分数据train / val / test
- 03训练候选loss fixture
- 04独立评价confusion matrix
- 05受控推理threshold / unknown
02 · TRAINING FIXTURE
NO GPU · NO REAL TRAINING损失下降意味着什么？
- 初始loss
- —
- 末尾loss
- —
- 训练动作
- fixture replay
- 参数更新
- NOT_RUN
损失下降只说明教学序列中的训练目标变小；泛化能力必须看未参与更新的数据。
03 · INDEPENDENT EVALUATION
等待评价混淆矩阵把错误藏在哪里？
| TRUE / PRED | rock | paper | scissors |
|---|
- accuracy
- —
- recall · rock
- —
- recall · paper
- —
- recall · scissors
- —
先选择案例。
04 · INFERENCE QUALITY GATE
rps-fixture-v1最高分怎样变成gesture或unknown？
rock
paper
scissors
等待推理
模型候选还没有经过质量门。
06 · RUN REAL PYTHON · STANDARD LIBRARY ONLY
24 SYNTHETIC SAMPLES · HARDWARE 0现在真正训练一次最小模型
01读取并验证数据02只用train求三类质心03用validation/test评价04生成哈希绑定Manifest
复制命令，在本机Python运行
python app/teaching_gesture_model.py ^ --output D:\CodexTemp\rps-model-manifest.json python -m unittest tests.test_teaching_gesture_model
输出路径必须显式指定；建议始终放在D:\CodexTemp。脚本不会安装依赖、访问网络、摄像头、IPC11或PCAN。
CURATED READING · 主动打开
从可视实验继续走到真实代码
按当前问题选一项，不必一次读完。外链不会自动加载，也不记录进度。
LOCAL TRACE · 内存事件
0 / 4 CASES