カーソルブラウジング機能がONになっていることが原因。 F7キーを押すと直る。F7押した覚えないんだけど、Updateで自動的にONになったのかな。。
参考：
tf.estimator.Estimatorのevaluateを呼ぶと「Fatal Python error: Segmentation fault」エラー
TensorFlowのバージョンは1.15.0。 原因はevaluateメソッドのinput_fnに精度検証のinputを返す関数を渡していたが、その関数がNoneから空配列的なものを返していたため。 今回はtf.data.TFRecordDatasetに検証用データを渡してそのeval_input_fnを以下のように渡していたがtf.data.TFRecordDatasetが保持しているデータが0件だったのでエラーになった。
estimator.evaluate(input_fn=dataset.eval_input_fn)
データをdatasetに渡すようにすると直った。
tensorflowのモデルをtensorflow liteに変換してx86 cpuで動かすと変換前より速度が低下する問題
tensorflow liteで動かせば速くなると思っていたのになぜ・・ 調べてみたら、tfliteはARMプロセッサに最適化されているのでx86 cpuでは遅いという情報がありました。 自分が動かしたい環境はx86 cpu。。
x86 cpuサポートは計画されているようだけどいつリリースかは見付からなかった。
以下によるとx86 supportはTF2.3でリリースされると言っている人がいる。もう対応済？？
x86 cpuで動かす場合、高速化の選択肢は二つあるっぽい。
一つはOpenVINOを使って高速化する方法。これはIntel製なのでx86 cpuに最適化されている。
もう一つはtensorflow liteにXNNPACKという拡張機能を加えてビルドし、使う方法。
上記の記事でOpenVINOとXNNPACKのパフォーマンスが比較されているがそんなに変わらなさそう。
linuxでzipを解凍すると「start of central directory not found」エラー
原因はunzipコマンドが4GB以上のファイルの解凍に対応していないため。 以下のように7zipをインストールして解凍すると解凍できた。
sudo yum install p7zip 7za x hoge.zip
参考：
dockerのnetwork_mode: “host”とbridgeの違い
network_mode: “host”はホストとdockerコンテナのIPアドレスが同一になる。以下で分かりやすく説明されています。
なので、例えばdockerコンテナ内のプロセスから8888ポートをlistenすると、ホストの8888ポートをlistenすることになる。 port mappingは不要。
デフォルトのmodeのbridgeではホストとコンテナのIPアドレスは異なる。外部からのリクエストを受信するためにはport mapping設定をする必要がある。 port mapping設定をするとホストへのリクエストをコンテナにforwardしてくれるイメージ。