feat: default data not recorded

exp/knn/main.py

@@ -4,6 +4,8 @@ import requests
 import time
 import traceback
 
+EXP_URL = "http://10.2.1.195:880"
+
 
 def load_user_function(file_path, function_name):
     """
@@ -19,10 +21,10 @@ def evaluate_knn(
     user_func, train_data, train_labels, test_data, test_labels, log_details
 ):
     """
-    使用学生编写的 KNN 函数对测试集进行分类，并计算准确率。
+    使用编写的 KNN 函数对测试集进行分类，并计算准确率。
 
     Args:
-    - user_func (function): 学生编写的 KNN 函数。
+    - user_func (function): 编写的 KNN 函数。
     - train_data (numpy array): 训练数据集。
     - train_labels (numpy array): 训练标签集。
     - test_data (numpy array): 测试数据集。
@@ -82,7 +84,7 @@ def upload_score(name, id, score_data):
     """
     上传成绩到服务器。
     """
-    url = "http://10.2.1.195:880/upload_score"
+    url = f"{EXP_URL}/upload_score"
     try:
         print("上传成绩中...")
         # print(score_data)
@@ -99,8 +101,8 @@ def upload_score(name, id, score_data):
         )
         if response.status_code == 200:
             print("上传成绩成功!")
-        else:
-            print("上传成绩失败:", response.json())
+        elif response.status_code == 400:
+            print("上传成绩失败!\n原因:", response.json()["message"])
     except Exception as e:
         print(f"上传成绩出错: {e}")
 
@@ -145,7 +147,7 @@ def main(name, id):
     score_data = {
         "score": accuracy,
         "running_time": f"{running_time * 1000:.10f}ms",
-        "details": "\n".join(log_details),  # 将日志记录加入 details 中
+        "details": "\n".join(log_details),
     }
 
     upload_score(name, id, score_data)