我拿在ImageNet上預訓練過的ResNeXt101c64在6張日常圖片進行測試。它在ImageNet上的top1準確率是79.5%，top5準確率是94.6%，來自論文。
第一張圖片是城市夜景，裏面有塔式鐘樓，位於水邊，水岸對面是一座山。ResNeXt以84%的概率認定這是一張拼圖，約5%概率認定爲海岸，2.6%的概率認定爲湖岸，1.9%的概率認定爲岬，0.8%的概率認定爲鑽井平臺。這個分類錯誤成分比較大。
第二張圖片是兩位身着古裝的女性。模型以70%的可能認定爲有箍襯裙，以28%的可能性認爲是罩裙。模型把人物的穿着識別的八九不離十。
第三張圖是達芬奇的名畫《最後的晚餐》。模型以76%的可能性把它認定爲拱頂，10%的可能性認定爲修道院。
第四張圖片模型分類對了，至少認出是犬。
第五張圖是不知姓名的山脈。模型首先把它認爲是阿爾卑斯山，其次認爲是峽谷，再次是湖岸。這個模型的分類結果還算是可以。
第六張圖是上海浦東景色。模型首先認爲它是宮殿，其次是碼頭，再次是城堡，再次是清真寺，最後是鑽井平臺。這次分類結果完全錯了。
總之，這樣的模型離通用的物體分類模型還有一定距離。目前的物體分類模型在受控的場景下有比較好的表現。