{
  "fetched_at": "2026-10-19T09:52:46Z",
  "source_url": "https://www.kaggle.com/competitions/flower-photos-classification/data",
  "pages": [
    {
      "name": "data-description",
      "content": "- flower_photos.tgz – архив с изображениями\n- sample_submission.csv - пример предсказания\n\nИзображения, на которых должна проверяться работа модели и загружаться решения, представлены в файле sample_submission.csv (в виде путей). Тестовая выборка была случайным образом из датасета, поэтому пересечение с обучающей и валидационными выборками приемлемо из-за небольших размеров датасета. *(Вас может соблазнить возможность отправить в качестве решения разметку тестовой выборки, но мы надеемся на вашу честность :) )*\nВ ноутбуке с базовым решением представлен способ получения результатов предсказаний из этого файла:\n\n    import numpy as np\n    import pandas as pd\n\n    class_index_to_label = [\n    \"DAISY\",\n    \"DANDELION\",\n    \"ROSE\",\n    \"SUNFLOWER\",\n    \"TULIP\"\n    ]\n\n    validation_answers = pd.read_csv(\"sample_submission.csv\")\n    model_answers = pd.DataFrame()\n    for file_path in validation_answers[\"Id\"]:\n        img = tf.keras.preprocessing.image.load_img(\n        file_path, target_size=IMAGE_SIZE\n        )\n        img_array = tf.keras.preprocessing.image.img_to_array(img)\n        img_array = tf.expand_dims(img_array, 0)\n\n        predictions = xception_network_flower_photos.predict(img_array)\n        predicted_class_index = np.argmax(predictions, axis=1)[0]\n        model_answers = model_answers.append({\"Id\": file_path, \"Category\": class_index_to_label[predicted_class_index]}, ignore_index=True)\n\n    model_answers = model_answers.set_index(keys = \"Id\")\n    model_answers.to_csv(\"model_answers.csv\")\n`",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Это четвертое учебное соревнование в рамках курса “Глубокое обучение в науках о данных”. В нем вам предстоит построить модель, классифицирующую изображения с цветами из датасета TensorFlow Flower Photos. Ноутбук с базовым решением расположен во вкладке **Code**. Попробуйте решить задачу, не обращаясь к нему. Задача будет считаться решенной, если в **Public Leaderboard** вы наберете **score**, который будет равен или больше **0.85**. В качестве метрики используется `accuracy`. В день вы можете отправлять не более 20 решений (это ограничения платформы). Помните, что решения принимаются только в том формате, который представлен в файле `sample_submission.csv`",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}