需要預先安裝包：

numpy
pytorch
opencv-python
Pillow

首先將places365的程式碼git到本地：

git clone https://github.com/CSAILVision/places365.git

程式包大約有1.37Mb左右。

cd palces365

執行demo程式：

python run_placesCNN_basic.py

程式run_placesCNN_basic.py中使用的架構（arch）是resnet18網路，因此程式碼段中會通過http請求自動下載與訓練好的權重resnet18_places365.pth.tar

2018-05-18 20:01:26 (82.8 KB/s) - 已儲存 “12.jpg” [63736/63736])

resnet18 prediction on 12.jpg
0.621 -> patio
0.296 -> restaurant_patio
0.021 -> porch
0.018 -> beer_garden
0.012 -> courtyard

識別結果為院子。
如果覺得上面的功能太簡單，還可以執行下面的demo程式：

 python run_placesCNN_unified.py
 

需要下載categories_places365.txt，IO_places365.txt，labels_sunattribute.txt，W_sceneattribute_wideresnet18.npy，wideresnet18_places365.pth.tar以及測試圖片test.jpg當然程式會自動將這些檔案下載好，直接輸出結果：

RESULT ON http://places.csail.mit.edu/demo/6.jpg
--TYPE OF ENVIRONMENT: indoor
--SCENE CATEGORIES:
0.511 -> food_court
0.085 -> 
 
fastfood_restaurant
0.083 -> cafeteria
0.040 -> dining_hall
0.021 -> flea_market/indoor
--SCENE ATTRIBUTES:
no horizon, enclosed area, man-made, socializing, indoor lighting, cloth, congregating, eating, working
Class activation map is saved as cam.jpg

可以看出來ResNet將圖片識別成food_court飯廳，底下還有相關的場景屬性描述（沒有地平線，封閉空間，人造場景，社交等等）以及生成分類啟用圖片：

實在是很神奇～