我拿在ImageNet上预训练过的ResNeXt101c64在6张日常图片进行测试。它在ImageNet上的top1准确率是79.5%，top5准确率是94.6%，来自论文。
第一张图片是城市夜景，里面有塔式钟楼，位于水边，水岸对面是一座山。ResNeXt以84%的概率认定这是一张拼图，约5%概率认定为海岸，2.6%的概率认定为湖岸，1.9%的概率认定为岬，0.8%的概率认定为钻井平台。这个分类错误成分比较大。
第二张图片是两位身着古装的女性。模型以70%的可能认定为有箍衬裙，以28%的可能性认为是罩裙。模型把人物的穿着识别的八九不离十。
第三张图是达芬奇的名画《最后的晚餐》。模型以76%的可能性把它认定为拱顶，10%的可能性认定为修道院。
第四张图片模型分类对了，至少认出是犬。
第五张图是不知姓名的山脉。模型首先把它认为是阿尔卑斯山，其次认为是峡谷，再次是湖岸。这个模型的分类结果还算是可以。
第六张图是上海浦东景色。模型首先认为它是宫殿，其次是码头，再次是城堡，再次是清真寺，最后是钻井平台。这次分类结果完全错了。
总之，这样的模型离通用的物体分类模型还有一定距离。目前的物体分类模型在受控的场景下有比较好的表现。