逆天大坑，为啥网上的资料这么少呢，记录一下我辛苦的半个月时间

1. 之前突发奇想做个机器学习的项目，当然是自己的产品，也不急，于是慢慢搞吧。
2. 准备了一大堆资料，架构分析了半天，最终屈服于经验，因为之前用的基本都是tf，所以这次，还是用tensorflow吧。
3. 标注当然还是大名鼎鼎的labelme，但是由于犯懒，我自己只是做了大概50张标注。
4. 剩下的资料，让别人用手机拍照片，标注再一起打包发给我。简单看了下，也没啥问题。
5. 然后就是按部就班的进行数据清洗，数据整理，训练前的各种准备工作。
6. 关键步骤就是训练，tf图像分割，使用的是deeplabev3plus，这里得说下，之前自建了一个模型，训练完了之后发现效果不行，基本上就相当于没有吧。
7. 这个deeplabv3都已经不错了，plus版本更牛，我基本没有怎么进行改动，拿过来直接使用就好了。
8. 但是居然发现了一个逆天大坑，不训练之前，直接使用的是pascal_voc的数据集，训练已经完成，我试验了一下小男孩骑自行车的图片，效果是蛮不错的。
9. 但是我自己进行了训练之后，发现，训练完的模型，变成了一个弱智。丫居然啥也不会了，训练之前，pascal_voc数据集有21个类别，我训练的类别比较少，只有5个，训练完了之后，不仅我这5个不行，完全识别不了，之前人家21个类别，也搞不定了。
10. 于是反思，到底是哪里出错了。
11. deeplabv3的模型，肯定是没有问题的，训练也最终精简为最简单的方案了，fit还能出啥问题吗，过拟合我也忍了，但是它是完全的弱智啊，一点儿都不对。
12. 于是做了个测试，把数据集中的所有的原始图像、mask、预测图像，在一起展示出来，想找找规律，看看预测出来的到底是个什么鬼。
13. 不曾想，居然发现数据集中，有一大半的图像和mask对不上！！！
14. mask居然旋转了90度！我反复查看了代码，所有的图像处理和mask的处理，全都是同步进行的，没有任何区别的。
15. 关键问题是，还有一半的图像跟mask是对的上的，没有问题。
16. 所以到底是哪里出的错？想着数据标注出现了问题，在电脑上把两批数据全都打开，查看，导入labelme，没有任何问题。
17. 那所以肯定是图像处理的阶段出的问题，于是在数据集创建的时候大改特改，基本上把之前的代码全都改了一遍。
18. 甚至推翻重新写了好多函数。当然，感觉这样做，也更合理了。可是问题依然没有找到。
19. dataset的创建，是有一个map函数的，这个函数里边的内容，是没有办法进行debug的，而且也不能使用很多tf以外的函数，比如tf对象Tensor的numpy()方法，就是不能用。
20. 简单说，就是把文件读取过来的内容，转化为dataset的过程，在这个过程中，最开始的时候，以及最终的时候，打印日志，查看图像的size，有些宽高对不上，但是是图片啊，不是mask，图像可是没有做任何处理的。
21. 处理过程，也是在最后进行了一次resize，重写了好几次这个resize函数，各种情况全都进行了单元测试。确认resize方法没有问题。
22. 那么，原始图像为什么会有问题呢？图像文件—>tfrecords—>dataset这个过程中，dataset没有问题，那么，查看tfrecords这里，有没有问题呢？
23. 奇怪的是，看来看去没有任何问题，因为tfrecords读取图像的时候，就是原始图像读取进来，直接二进制塞进流里，动都没动过，咋会出问题呢？
24. 百度了半天，基本无解，当然，现在看来，是方向错了。
25. 补充一下，甚至想过是标注完毕之后，对图像进行了旋转，但是太多了，不可能全都进行一次这个处理，也太费时间了。检查了半天，之前我自己做标注的50张图里边，也有几张图有类似的情况。
26. 尼玛，那么肯定是土本身的问题了。我都想把它翻个底儿看看到底啥做的。
27. 出海看了看，有人说tf对exif的支持不太好，2019年的帖子。我想，是不是有可能是这个问题呢？于是翻出原始图片来看，确实有问题的那些图片，Orientation是6，没问题的图片，Orientation是1.
28. 所以，这个到底是什么含义？查了半天资料，发现手机拍摄的照片，原始照片原始显示当然没有问题，但是不符合人类的使用习惯。
29. 举例说明，即便是你横屏拍了一张照片，当你竖着拿起手机来查看的时候，看到的照片，依然是照片中的人物头部是向上的。这就是手机中的陀螺仪在起作用。
30. 拍摄照片的一瞬间，它给照片记录了一下你当时手机的放置状态，不过做了一下转化，就是在原始的状态下，怎样进行旋转，才能达到最佳效果。比如Orientation=6时，表示要逆时针旋转90度才能达到最佳效果。
31. 这样，在电脑上查看照片的时候，他会旋转成类似的效果。
32. 但是我在拍摄的时候，手机是水平放置，摄像头垂直向下拍的，这个陀螺仪就有时候会变成头朝上，有时候变成手朝上了。于是就有了不同的旋转角度。
33. 无论是labeleme还是电脑查看图片，都是一样的，所以没有意识到是这个问题，而当使用代码读取照片的时候，他读取到了原始的图像（PS：原始图像都是横屏的），也读取到了Orientation，但就是没有按照Orientation的指示，自动进行旋转。所以mask没有问题，而原始图像，旋转了90度。
34. 找到了问题，就好解决了，写一个函数，专门处理所有的原始图片，按照Orientation的要求旋转图像，之后去掉所有的exif信息，就万事大吉了。
35. 贴个代码吧，这一大片全是文字，我自己看着都头疼。

def clear_exif(pic_path):
    image = Image.open(pic_path)
    # get correction based on 'Orientation' from Exif (==Tag 274)
    try:
        deg = {3: 180, 6: 270, 8: 90}.get(image._getexif().get(274, 0), 0)
    except:
        deg = 0
    if deg != 0:
        image = image.rotate(deg, expand=True)
        image_data = list(image.getdata())
        image_without_exif = Image.new(image.mode, image.size)
        image_without_exif.putdata(image_data)
        image_without_exif.save(pic_path)
        print(f"旋转了：{pic_path}")