Решение основано на бейзлайне, получено заменой сети на ResNet152 и обучением сначала на 10000 первых изображений в течении 30 итераций, затем дообучением на всех данных в течении 5 итераций.
На первом шаге необходимо подготовить уменьшенный датасет при помощи cut_preparation.ipynb
Потом сабмит делается при помощи команд:
python hack_train_1_result.py -n predresnet151 -b 256 -d cut_data -e 20 -lr 3e-4 --gpu -nr
python hack_train_1_result.py -n predresnet151 -m predresnet151_best.pth -b 256 -d cut_data -e 10 -lr 3e-4 --gpu -nr
python hack_train_1_result.py -n resnet151 -m predresnet151_best.pth -b 256 -d . -e 5 -lr 3e-4 --gpu
