常連

注目の的

質問力

### 前提・実現したいこと

pythonライブラリのcvxpyを使って最適化問題を解こうとしています．
cvxpyを使うのが初めてなので調べながらやっているのですが，
ネット上に乗っていたコードをそのまま実行してもエラーが出るので，
実行できるようにプログラムを変更しています．

まず初めに
プログラム内
x = Variable(n, T + 1)
u = Variable(m, T)
だと以下のエラーが出たので

```
PS C:\Users\N\Desktop> python test.py
Simulation start
Traceback (most recent call last):
  File "test.py", line 21, in <module>
    x = Variable(n, T + 1)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\variable.py", line 75, in __init__
    raise TypeError("Variable name %s must be a string." % name)
TypeError: Variable name 51 must be a string.
```
x = Variable((n, T + 1))
u = Variable((m, T))
に変更しました．

そして実行すると
プログラム上のprob.constraints += [x[:,T] == 0, x[:,0] == x_0]に対してエラーが出てたのですが，他のサイト等を調べても同様に書かれているのでどこが違うのかわかりません．
prob.constraints += [x[:,T] == 0, x[:,0] == x_0]を記述することで制約条件を2つ追加できるそうなのですが．．．．

載せているソースコードは
x = Variable((n, T + 1))
u = Variable((m, T))
に変更したものを載せています．
### 発生している問題・エラーメッセージ

```
PS C:\Users\N\Desktop> python test.py
Simulation start
Traceback (most recent call last):
  File "test.py", line 32, in <module>
    prob.constraints += [x[:, T] == 0, x[:, 0] == x_0]
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 46, in cast_op
    return binary_op(self, other)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 575, in __eq__
    return Equality(self, other)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\constraints\zero.py", line 114, in __init__
    self._expr = lhs - rhs
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 46, in cast_op
    return binary_op(self, other)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 464, in __sub__
    return self + -other
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 46, in cast_op
    return binary_op(self, other)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\expressions\expression.py", line 452, in __add__
    return cvxtypes.add_expr()([self, other])
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\atoms\affine\add_expr.py", line 33, in __init__
    super(AddExpression, self).__init__(*arg_groups)
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\atoms\atom.py", line 45, in __init__
    self._shape = self.shape_from_args()
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\atoms\affine\add_expr.py", line 41, in shape_from_args
    return u.shape.sum_shapes([arg.shape for arg in self.args])
  File "C:\Users\N\AppData\Local\Programs\Python\Python37\lib\site-packages\cvxpy\utilities\shape.py", line 49, in sum_shapes
    len(shapes)*" %s" % tuple(shapes))
ValueError: Cannot broadcast dimensions  (4,) (4, 1)
```

### 該当のソースコード

```python
import time
from cvxpy import *
import numpy as np
import matplotlib.pyplot as plt
print("Simulation start")

np.random.seed(1)
n = 4  # state size
m = 2  # input size
T = 50  # number of horizon

# simulation parameter
alpha = 0.2
beta = 5.0

# Model Parameter
A = np.eye(n) + alpha * np.random.randn(n, n)
B = np.random.randn(n, m)
x_0 = beta * np.random.randn(n, 1)

x = Variable((n, T + 1))
u = Variable((m, T))

states = []
for t in range(T):
    cost = sum_squares(x[:, t + 1]) + sum_squares(u[:, t])
    constr = [x[:, t + 1] == A * x[:, t] + B * u[:, t],
              norm(u[:, t], 'inf') <= 1]
    states.append(Problem(Minimize(cost), constr))
# sums problem objectives and concatenates constraints.
prob = sum(states)
prob.constraints += [x[:, T] == 0, x[:, 0] == x_0]

start = time.time()
result = prob.solve(verbose=True)
elapsed_time = time.time() - start
print ("calc time:{0}".format(elapsed_time) + "[sec]")

if result == float("inf"):
    print("Cannot optimize")
    import sys
    sys.exit()
    #  return

#以下グラフの表示
f = plt.figure()
# Plot (u_t)_1.
ax = f.add_subplot(211)
u1 = np.array(u[0, :].value[0, :])[0].tolist()
u2 = np.array(u[1, :].value[0, :])[0].tolist()
plt.plot(u1, '-r', label="u1")
plt.plot(u2, '-b', label="u2")
plt.ylabel(r"$u_t$", fontsize=16)
plt.yticks(np.linspace(-1.0, 1.0, 3))
plt.legend()
plt.grid(True)

# Plot (u_t)_2.
plt.subplot(2, 1, 2)
x1 = np.array(x[0, :].value[0, :])[0].tolist()
x2 = np.array(x[1, :].value[0, :])[0].tolist()
x3 = np.array(x[2, :].value[0, :])[0].tolist()
x4 = np.array(x[3, :].value[0, :])[0].tolist()
plt.plot(range(T + 1), x1, '-r', label="x1")
plt.plot(range(T + 1), x2, '-b', label="x2")
plt.plot(range(T + 1), x3, '-g', label="x3")
plt.plot(range(T + 1), x4, '-k', label="x4")
plt.yticks([-25, 0, 25])
plt.ylim([-25, 25])
plt.ylabel(r"$x_t$", fontsize=16)
plt.xlabel(r"$t$", fontsize=16)
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()

```

### 試したこと

ここに問題に対して試したことを記載してください。

### 補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

（pythonライブラリ　cvxpyを使った) 最適化問題の計算について

学習に用いる画像、推論で入力する画像すべてuint16型の画像を使っていますが、出力されてくる結果の画像はuint8型になってしまいます。
出力画像もuint16型で出したいです。以下がコードになります。
解決方法が分かる方いらっしゃいましたら、教えていただきたいです。よろしくお願いします。
```ここに言語を入力
from __future__ import division
from __future__ import absolute_import
import os
import cv2
import numpy as np
from keras.layers import Input, Conv3D, MaxPooling3D, UpSampling3D, Add, BatchNormalization
from keras.models import Model
import keras.optimizers as optimizers
from tensorflow.python.keras import backend as K
import matplotlib.pyplot as plt



IMAGE_SIZE = 512
EPOCHS = 100


# ディレクトリ内の画像を読み込む
# inputpath: ディレクトリ文字列，imagesize: 画像サイズ, type_color: ColorかGray
def load_images(inputpath, imagesize, type_color):
    imglist = []

    for root, dirs, files in os.walk(inputpath):
        for fn in sorted(files):
            bn, ext = os.path.splitext(fn)
            if ext not in [".bmp", ".BMP", ".jpg", ".JPG", ".jpeg", ".JPEG", ".png", ".PNG"]:
                continue

            filename = os.path.join(root, fn)
            
            if type_color == 'Color':
                # カラー画像の場合
                testimage = cv2.imread(filename, cv2.IMREAD_COLOR)
                # サイズ変更
                height, width = testimage.shape[:2]
                testimage = cv2.resize(testimage, (imagesize, imagesize), interpolation = cv2.INTER_AREA)  #主に縮小するのでINTER_AREA使用
                testimage = np.asarray(testimage, dtype=np.float64)
                # チャンネル，高さ，幅に入れ替え．data_format="channels_first"を使うとき必要
                #testimage = testimage.transpose(2, 0, 1)
                # チャンネルをbgrの順からrgbの順に変更
                testimage = testimage[::-1]
            
            elif type_color == 'Gray':
                # グレースケール画像の場合
                testimage = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)
                # サイズ変更
                height, width = testimage.shape[:2]
                #testimage = cv2.resize(testimage, (imagesize, imagesize), interpolation = cv2.INTER_AREA)  #主に縮小するのでINTER_AREA使用
                #testimage = np.reshape(testimage, (4, 512, 512))
                # 2次元配列を3次元配列に変換する
                testimage = np.asarray([testimage], dtype=np.float64)
                testimage = np.asarray(testimage, dtype=np.float64).reshape((4, 512, 512))
                # チャンネルの次元がないので1次元追加する
                testimage = np.asarray([testimage], dtype=np.float64)
                testimage = np.asarray(testimage, dtype=np.float64).reshape((1, 4, 512, 512))
                # 高さ，幅，チャンネルに入れ替え．data_format="channels_last"を使うとき必要
                testimage = testimage.transpose(1, 2, 3, 0)

            imglist.append(testimage)
    imgsdata = np.asarray(imglist, dtype=np.float32)

    return imgsdata, sorted(files)  # 画像リストとファイル名のリストを返す

# 指定ディレクトリに画像リストの画像を保存する
# savepath: ディレクトリ文字列, filenamelist: ファイル名リスト, imagelist: 画像リスト
def save_images(savepath, filenamelist, imagelist):
    for i, fn in enumerate(filenamelist):
        filename = os.path.join(savepath, fn)
        testimage = imagelist[i].reshape(2048,512)
        #testimage = np.delete(testimage, 2, 1)  # グレースケール画像を保存するときだけ使用．チャンネルに相当する3列目削除   #幅を一つ消してしまう!!
        cv2.imwrite(filename, testimage)


#%%
# データ準備
# 画像読み込み
# training用の低解像度画像と高解像度画像読み込み
imagelow_train, imagelow_train_filenames = load_images(".\InputImage_train\", (2048, 512), 'Gray')
imagehigh_train, imagehigh_train_filenames = load_images(".\TeachImage_train\", (2048, 512), 'Gray')
# test用の低解像度画像と高解像度画像読み込み
imagelow_test, imagelow_test_filenames = load_images(".\InputImage_test\", (2048, 512), 'Gray')
imagehigh_test, imagehigh_test_filenames = load_images(".\TeachImage_test\", (2048, 512), 'Gray')

image_infer, image_infer_filenames = load_images(".\InputImage_inference\", (2048, 512), 'Gray')

# 画素値0-1正規化 8bit用
#imagelow_train /= 255
#imagehigh_train /= 255
#imagelow_test /= 255
#imagehigh_test /= 255
#image_infer /= 255

# 画素値0-1正規化 16bit用
imagelow_train += 1000
imagehigh_train += 1000
imagelow_test += 1000
imagehigh_test += 1000
image_infer += 1000

imagelow_train /= 2000
imagehigh_train /= 2000
imagelow_test /= 2000
imagehigh_test /= 2000
image_infer /= 2000

#%%
# ネットワークの定義
# Super Resolution CNN
def network_srcnn():
    input_img = Input(shape=(IMAGE_SIZE, IMAGE_SIZE, IMAGE_SIZE, 1))
    
    x = Conv2D(128, (9, 9), activation="relu", padding='same')(input_img)
    x = Conv2D(64, (3, 3), activation="relu", padding='same')(x)
    x = Conv2D(1, (5, 5), padding='same')(x)

    model = Model(input_img, x)
    
    return model

# Deep Denoising Super Resolution CNN
def network_ddsrcnn2():
    #Input(InputImageSize, InputImgageSize, Channel)
    input_img = Input((4, IMAGE_SIZE, IMAGE_SIZE, 1), dtype='float')
    
    enc1 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(input_img)
    enc1 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(enc1)
    down1 = MaxPooling3D(pool_size=2)(enc1)
    
    enc2 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(down1)
    enc2 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(enc2)
    down2 = MaxPooling3D(pool_size=2)(enc2)
    
    enc3 = Conv3D(256, kernel_size=3, activation="relu", padding='same')(down2)
    
    up3 = UpSampling3D(size=2)(enc3)
    dec3 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(up3)
    dec3 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(dec3)
    
    add2 = Add()([dec3, enc2])
    up2 = UpSampling3D(size=2)(add2)
    dec2 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(up2)
    dec2 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(dec2)
    
    add1 = Add()([dec2, enc1])
    dec1 = Conv3D(1, kernel_size=5, activation="linear", padding='same')(add1)
    
    model = Model(input=input_img, output=dec1)
    
    return model

model = network_ddsrcnn2()

# ネットワークを表示
print(model.summary())


#%%
def psnr(y_true, y_pred):
    return -10*K.log(K.mean(K.flatten((y_true - y_pred))**2))/np.log(10)
   
# trainingの設定
from keras.utils import multi_gpu_model    

#multigpuの設定
adam = optimizers.Adam(lr=1e-3)
parallel_model = multi_gpu_model(model, gpus=2)
parallel_model.compile(loss='mean_squared_error', optimizer='adam', metrics=[psnr])

from keras.callbacks import ModelCheckpoint

#エポックごとにモデル保存
os.makedirs('model', exist_ok=True)
model_checkpoint = ModelCheckpoint(
        filepath=os.path.join('model', 'model_{epoch:02d}_h5'),
        monitor='val_loss', period=5,
        verbose=1)

# training実行
# training用低解像度画像と高解像度画像でtrainingする．validation用にtest用の低解像度画像と高解像度画像を使用する．
training = parallel_model.fit(imagelow_train, imagehigh_train,
                     epochs=EPOCHS, batch_size=6, shuffle=True, validation_data=(imagelow_test, imagehigh_test),
                     callbacks=[model_checkpoint], verbose=1)


# 学習履歴グラフ表示
def plot_history(history):
    plt.plot(history.history['psnr'])
    plt.plot(history.history['val_psnr'])
    plt.title('model accuracy')
    plt.xlabel('epoch')
    plt.ylabel('accuracy')
    plt.legend(['psnr', 'val_psnr'], loc='lower right')
    plt.show()
    
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss'])
    plt.title('model loss')
    plt.xlabel('epoch')
    plt.ylabel('loss')
    plt.legend(['loss', 'val_loss'], loc='lower right')
    plt.show()
    
plot_history(training)


#%%
# test用低解像度画像を用いた推定の実行
results = model.predict(image_infer, batch_size=6, verbose=1)

# 推定結果の画像をファイル保存
#results *= 255    # 0-1の範囲の値が出力されるので見やすいように255倍する
results *= 2000    
results -= 1000
save_images(".\result\", image_infer_filenames, results)
```

使用している画像は16ビットなのに8ビットの画像が出力されてしまい、困っています

tensorflowを用いて画像認識を行いたいのですが、学習させる画像データが約200万枚あり、自作したCNNに入れて学習させようとすると、メモリエラーとなりました。
そこで、質問なのですがこのような大量の画像データを学習させるにはどのようにすればよいのでしょうか？
画像データと正解ラベルの入ったデータを複数に分割してcnnに読み込むのかわかりません。
また、ラベルが数値でなくUTF-８の文字コード(例:EFBD２３９など)にしており、学習後に画像認識する際に、結果のラベルを文字コードから文字にしたいと考えています。
ただ、ラベルを数字でつける例はよく見るのですが、文字コードで画像にラベルをつけてnumpyなどの形式（.npzなど)に変換する方法がわかりません。
画像データ自体は文字の画像なので、ラベルは数字でなく文字コードで読み込みたいです。

以上まとめると、

１．２００万枚の画像で３００００種類のラベルがあるデータを学習させるにはどのようにすればよいか？（メモリエラーなどの問題を回避する方法が知りたいです。）
2.　画像データとラベル(文字コード）を最も扱いやすい形式に変換し、CNNに読み込む方法は何かあるのでしょうか？

わかりにくいかもしれませんが、回答いただければ幸いです。

tensorflowで200万枚３００００ラベルの画像を学習させメモリたいのですが、エラーになるため解決したいです。

TensorFlowビギナーです。
自作画像を使用して、以下のTensorFlowの公式サイトを最初から実装したいと考えています。

[はじめてのニューラルネットワーク：分類問題の初歩
](https://www.tensorflow.org/tutorials/keras/classification?hl=ja)

現在、自作画像を以下のTensorFlowの公式サイト「(image, label)のペアのデータセット」の項目まで、一応実行ました。
自作画像は、以下「3」のようなpng画像達です。

[tf.dataを使って画像をロードする](https://www.tensorflow.org/tutorials/load_data/images?hl=ja)

![3.png](4b19bab188f62a1bf4a9355dea973cfe.jpeg)

質問は2点です。
1．上記まで用意した自作画像データで（MNISTを自作画像データに代えて）公式プログラムを実行できる？かどうか
2．1でOKな場合、どのようにすれば、以下のプログラムのように割り当てられるか？
```
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
```
ざっくりとした質問で申し訳ございません。
しかし、これからのアプローチがなかなか思いつきません。
どなたか、アドバイスをお願いしてもよろしいでしょうか。

以前、以下の質問させていただき、回答者様のおかげで、ここまでは何とか確認できています。まだ結果のグラフを表示させることができていませんが。。

[TensorFlowの公式サイトのプログラムを使って自分の手書き画像を予測したい](https://teratail.com/questions/237700)

■環境
python ver.3.8.1
tensorflow ver.2.0.0

以上、どうぞよろしくお願いいたします。

自作画像を使用してTensorFlowの公式サイト（画像認識）を最初から実装したい。

tensorflowを実行するとGPUメモリの殆どを確保してしまうので、それを抑えたく、tfのバージョンに合わせて
`tf.config.experimental.set_memory_growth`や、`gpu_options.allow_growth = True`等を試しましたが、
どうしても大部分（3.7/4.0GB程度）が確保されてしまい、制限できません。

ちなみに、`Jupyter Notebook`を使用しています。

環境
- windows 10
- GPU : NVIDIA GeForce GTX 1650（専用メモリは4G）
- python 3.7.9 + TensorFlow-GPU 1.15.0 (python 3.6.12 + TensorFlow-GPU 2.0.0)
- Kerasはインストールしてない

- Visual Studio Community 2017
- CUDA 10.0
- cuDNN 7.6.0

*********
### tensorflowのメモリ使用量を抑制するコード（エラーは出ず、正常に実行されます）
`tensorflow-gpu=2.0.0`の環境と、`tensorflow-gpu=1.15`の環境を、`Anaconda`で作成し、
それぞれ実行しましたが、どうしてもメモリを抑えられません。
```
import tensorflow as tf
print("Tensorflow Ver: ", tf.__version__)

if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

gpu_id = 0
print(tf.__version__)
if tf.__version__ >= "2.1.0":
    physical_devices = tf.config.list_physical_devices('GPU')
    tf.config.list_physical_devices('GPU')
    tf.config.set_visible_devices(physical_devices[gpu_id], 'GPU')
    tf.config.experimental.set_memory_growth(physical_devices[gpu_id], True)

elif tf.__version__ >= "2.0.0":
    physical_devices = tf.config.experimental.list_physical_devices('GPU')
    tf.config.experimental.set_visible_devices(physical_devices[gpu_id], 'GPU')
    tf.config.experimental.set_memory_growth(physical_devices[gpu_id], True)

else:
    from tensorflow.keras.backend import set_session
    config = tf.ConfigProto(
        gpu_options=tf.GPUOptions(
            visible_device_list=str(gpu_id), # specify GPU number
            allow_growth=True
        )
    )
    set_session(tf.Session(config=config))

```

### 検証に使用したCNNモデル
```
from tensorflow.keras import datasets, layers, models

(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
train_images, test_images = train_images / 255.0, test_images / 255.0

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))) #Conv2D(32, (3, 3)):２次元畳み込み層、「3ｘ3」の大きさのフィルタを32種類使用
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu')) #Conv2D(64, (3, 3)):２次元畳み込み層、「3ｘ3」の大きさのフィルタを64種類使用
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))

# Dense Layerの追加（全結合）- Classifier(分類)
model.add(layers.Flatten())
model.add(layers.Dense(units=64, activation='relu'))
model.add(layers.Dense(units=10)) #10個のアウトプット

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
model.fit(train_images, train_labels, batch_size=64, epochs=1, validation_data=(test_images, test_labels))
```

###　（参考）↓学習実行と同時にメモリを取りに行く
![イメージ説明](6711089a1b598a544c936a7289b789e3.png)

tensorflowでGPUメモリの使用量を抑えたいが上手くいかない

ROS2の環境構築でつまづき、いろいろと試しているときにpythonの環境をリセットしました。
再び構築して実行したところ。

”2020-10-12 14:30:16.396009: E tensorflow/stream_executor/cuda/cuda_dnn.cc:318] Loaded runtime CuDNN library: 7.5.0 but source was compiled with: 7.6.5.  CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library.  If building from sources, make sure the library loaded at runtime is compatible with the version specified during compile configuration.”

というエラー文が出るようになってしまいました。

エラー文から察するに、CUDNN7.6.5が必要なのにCUDNN7.5.0をロードしていますというように理解しました。
そこでCUDNN7.6.5を何度も入れなおして、pathもつなげ直したのですが。同じエラー文が繰り返されてしまいます。

どなたか宜しければ直し方を教えてください。

CUDNNのバージョンリセット方法を

##### <やりたいこと>
下記の環境で以下のシンプルなニューラルネットワークモデルを実行しました。
**Code1**   Denseレイヤのみを使用したモデル
**Code2**   Convolutionレイヤを使用したモデル（CNN）

Code1は、正常に実行されましたが、2のモデル実行時に`UnknownError:  Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.`のエラーが出てしまい。
色々と検索し、原因を探りましたが、解決できず。。皆様のお力をお借りしたく。

#####＜確認したこと＞
- GPUを認識していること（tf.test.gpu_device_name()　にて確認）
- CUDA、Tensorflow等のバージョン互換性が一致していること
- GPU　RAMが別のプロセスによって不足になっていないこと
*******

###### 環境
`Windows 10`
`NVIDIA GeForce GTX1650`

`python 3.6.12`
`conda 4.9.2`
`TensorFlow-GPU 2.0.0`

`Visual Studio Community 2017`
`CUDA 10.0`
`cuDNN 7.4.2`
***

```Code1
import tensorflow as tf
from tensorflow import keras
import numpy as np

fashion_mnist = keras.datasets.fashion_mnist 
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data() 
train_images = train_images/225.0
test_images = test_images/225.0

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28,28)),
    keras.layers.Dense(units=128, activation="relu"), 
    keras.layers.Dense(units=10, activation="softmax") 
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=10) 
```
```Code2
import tensorflow as tf
from tensorflow.keras import datasets, layers, models

(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
train_images, test_images = train_images / 255.0, test_images / 255.0

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(units=64, activation='relu'))
model.add(layers.Dense(units=10))
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))
```
```Error
Train on 50000 samples, validate on 10000 samples
Epoch 1/10
   32/50000 [..............................] - ETA: 29:19
---------------------------------------------------------------------------

UnknownError                              Traceback (most recent call last)
<ipython-input-48-ce520e3e9c1d> in <module>()
     21               loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
     22               metrics=['accuracy'])
---> 23 model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_freq, max_queue_size, workers, use_multiprocessing, **kwargs)
    726         max_queue_size=max_queue_size,
    727         workers=workers,
--> 728         use_multiprocessing=use_multiprocessing)
    729 
    730   def evaluate(self,

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py in fit(self, model, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_freq, **kwargs)
    322                 mode=ModeKeys.TRAIN,
    323                 training_context=training_context,
--> 324                 total_epochs=epochs)
    325             cbks.make_logs(model, epoch_logs, training_result, ModeKeys.TRAIN)
    326 

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py in run_one_epoch(model, iterator, execution_function, dataset_size, batch_size, strategy, steps_per_epoch, num_samples, mode, training_context, total_epochs)
    121         step=step, mode=mode, size=current_batch_size) as batch_logs:
    122       try:
--> 123         batch_outs = execution_function(iterator)
    124       except (StopIteration, errors.OutOfRangeError):
    125         # TODO(kaftan): File bug about tf function and errors.OutOfRangeError?

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\keras\engine\training_v2_utils.py in execution_function(input_fn)
     84     # `numpy` translates Tensors to values in Eager mode.
     85     return nest.map_structure(_non_none_constant_value,
---> 86                               distributed_function(input_fn))
     87 
     88   return execution_function

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\def_function.py in __call__(self, *args, **kwds)
    455 
    456     tracing_count = self._get_tracing_count()
--> 457     result = self._call(*args, **kwds)
    458     if tracing_count == self._get_tracing_count():
    459       self._call_counter.called_without_tracing()

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\def_function.py in _call(self, *args, **kwds)
    518         # Lifting succeeded, so variables are initialized and we can run the
    519         # stateless function.
--> 520         return self._stateless_fn(*args, **kwds)
    521     else:
    522       canon_args, canon_kwds = \

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\function.py in __call__(self, *args, **kwargs)
   1821     """Calls a graph function specialized to the inputs."""
   1822     graph_function, args, kwargs = self._maybe_define_function(args, kwargs)
-> 1823     return graph_function._filtered_call(args, kwargs)  # pylint: disable=protected-access
   1824 
   1825   @property

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\function.py in _filtered_call(self, args, kwargs)
   1139          if isinstance(t, (ops.Tensor,
   1140                            resource_variable_ops.BaseResourceVariable))),
-> 1141         self.captured_inputs)
   1142 
   1143   def _call_flat(self, args, captured_inputs, cancellation_manager=None):

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\function.py in _call_flat(self, args, captured_inputs, cancellation_manager)
   1222     if executing_eagerly:
   1223       flat_outputs = forward_function.call(
-> 1224           ctx, args, cancellation_manager=cancellation_manager)
   1225     else:
   1226       gradient_name = self._delayed_rewrite_functions.register()

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\function.py in call(self, ctx, args, cancellation_manager)
    509               inputs=args,
    510               attrs=("executor_type", executor_type, "config_proto", config),
--> 511               ctx=ctx)
    512         else:
    513           outputs = execute.execute_with_cancellation(

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\eager\execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
     65     else:
     66       message = e.message
---> 67     six.raise_from(core._status_to_exception(e.code, message), None)
     68   except TypeError as e:
     69     keras_symbolic_tensors = [

C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\six.py in raise_from(value, from_value)

UnknownError:  Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
	 [[node sequential_7/conv2d_12/Conv2D (defined at C:\Users\koyamashinji\anaconda3\envs\gpu_trial\lib\site-packages\tensorflow_core\python\framework\ops.py:1751) ]] [Op:__inference_distributed_function_24004]

Function call stack:
distributed_function
```

GPUでTensorflowモデルを実行 - UnknownError: Failed to get convolution algorithm.

### 前提・実現したいこと

１週間ほど前にAnacondaのGPUが効かなくなったため、環境構築のやり直しを行いました。
そして、GPUに必要なTensorflow, CUDA, cuDNN, MSVC等入れなおしましたが効きませんでした。
原因にお心当たりのある方にご教授いただければ幸いです。

### 実行環境
Windows 10
NVIDIA GeForce GTX 1050

### 発生している問題・エラーメッセージ
GPUの動作確認は以下のようになっています。1つ目が実行ソースコード、2つ目が出力結果です。
また、動作確認用のMNISTの学習を実行してもGPUは稼働していませんでした。

``` python
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
```

``` 
In[1] : runfile('C:/Users/furu/Documents/HSCvideo/FrameInterporation_edge1ver.py', wdir='C:/Users/furu/Documents/HSCvideo')
2020-12-08 15:40:54.616128: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll

2020-12-08 15:40:54.616128: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll
2020-12-08 15:40:56.761000: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2020-12-08 15:40:56.763981: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library nvcuda.dll
2020-12-08 15:40:56.776223: E tensorflow/stream_executor/cuda/cuda_driver.cc:318] failed call to cuInit: CUDA_ERROR_UNKNOWN: unknown error
2020-12-08 15:40:56.778748: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:169] retrieving CUDA diagnostic information for host: DESKTOP-7I4IE8E
2020-12-08 15:40:56.778824: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:176] hostname: DESKTOP-7I4IE8E
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 8637331694356319930
]
```

### 問題に至った経緯
## 以前までAnacondaでGPUは使えていたが、原因不明で使えなくなる
1カ月ほど前にGPU環境の構築に成功し、それからGPUは使えており、タスクマネージャーや先ほどの確認コードでも動作していることは確認できていました。
しかし、１週間ほど前に突然GPUが動かなくなり、CPUしか動かなくなりました。
（他にもJupyter Notebookで実行するとリモートデスクトップの画面が固まる等の変化もありました。関連性は不明。Spyderで実行することで解決済み。）

それに対して、Tensorflowのバージョン変更などを試しましたが、状況は変わりませんでした。

## google colabで試してみるも、容量やメモリの関係で断念
GPUさえ使えればいいので、以前使用していたgoogle colabでやろうと考えました。しかし、50GB以上学習に必要な上、メモリも8G程度では足りないことから現実的でないと断念しました。

## バージョンに原因があるかも？と思い、環境再構築へ
GPUが効かなくなってから改めてTensorflowが公表しているGPU環境のバージョン対応を調べたところ、誤って[Linuxのバージョン対応表](https://www.tensorflow.org/install/source?hl=ja)に準拠していたことが判明しました。次の画像の選択部分が**以前構築していたバージョン**です。
![Linuxのバージョン対応表](ff787c113ef5df5ee1b7e0627bd69a8a.png)
[windowsのバージョン対応表](https://www.tensorflow.org/install/source_windows?hl=ja)は次の通りでした。選択部分が**今回構築したバージョン**です。
![windowsのバージョン対応表](53b1177e20441316779f500d793dec36.png)
元々、１つ上の``tensorflow-gpu2.1.0``で検討していたのですが、``cuDNN7.4``に``CUDA10.1``に対応するバージョンが存在しなかった（※）ため、2.0.0で行いました。

※追記：[別件の質問](https://teratail.com/questions/308928#reply-432660)にて、[英語ドキュメント](https://www.tensorflow.org/install/source_windows?hl=us#gpu)では以前構築した構成がテスト済みバージョンに入っていることをご教授いただきました。日本語ドキュメントが更新されていないのかもしれないです。
![windowsのバージョン対応表（english）](c1f7ace9776e032945f49bdb8f627298.png)

## 再構築方法
変更したのは、
- MSVC2019→1017
- CUDA10.1→10.0
- cuDNN7.6→7.4
- Python3.7→3.6
- Tensorflow2.1.0→2.0.0

# MSVC2019→1017
2019は消さずに2017を追加する形で変更しました。

# CUDA10.1→10.0
10.1のアンストと10.0のインストを行いました。詳しくは別件で質問した[CUDAダウングレードの質問](https://teratail.com/questions/308928#reply-432660)をご覧ください。

# cuDNN7.6→7.4
cuDNNをダウンロード・展開し、``C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0``の各ディレクトリの該当ファイルを上書きしました。システム環境変数についても設定済みです。[こちら](https://www.kkaneko.jp/tools/win/cudnn.html)のサイトを参考にしました。
pathの確認結果は次の画像の通りです。
![pathの確認](c4e84c497a855ed63f26fbf72b8afb4d.png)
（パスが該当サイトと少し違ったので、「試したこと」で検証しました。）

# Python3.7→3.6, Tensorflow2.1.0→2.0.0
Anacondaプロンプトからバージョン指定でインストールしました。conda listにてバージョンは確認済み。

### 試したこと
cuDNNのパスについて、**参照サイトだと下１行のみだったのに対し、私の場合だとanaconda3のパスも出ていました。**そのため、anacondaのcudnn64_7.dllにも同様にダウンロードしたファイルを上書きしてみました。しかし、再起動しても結果は変わりませんでした。

今回は再構築ということで、少し通常の構築とは状況が異なります。
どなたか何卒よろしくお願いします。

Anacondaで再構築したtensorflow-gpuが動かない

TensorFlow-GPUでGeForce GTX 1060を使用したいと思っており、
https://www.tensorflow.org/install/source#common_installation_problems
を参考にし、CUDA 10.0とcuDNN 7.4.2とtensorflow_gpu-1.14.0をインストールしました。Visual Studio 2017もインストールしており、CUDAのインストール中に全くエラーなどはありません。cuDNNは展開した中身をCUDAのパスが通っているフォルダへコピー&置き換えをしました(CUDAにもともと入っているbinなどのcuDNNの中身のディレクトリと名前の被るものについてはcuDNNのもので置き換えた)。
その後再起動させ、pip install tensorflow-gpu==1.14.0でバージョンを指定してダウンロードしました。

ここまで全くエラーはありません。

実際にpythonからimportした場合、エラーなくインポートはされます。ですがGPUについてはCUDAのあたりで問題があるのかエラーで使用不可なのです。どのようにしたらよいのでしょうか?

```ここに言語を入力
>>> import tensorflow
>>> from tensorflow.python.client import device_lib
>>> print(device_lib.list_local_devices())
2019-07-03 23:36:31.264222: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2019-07-03 23:36:31.268701: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library nvcuda.dll
2019-07-03 23:36:31.281343: E tensorflow/stream_executor/cuda/cuda_driver.cc:318] failed call to cuInit: CUDA_ERROR_UNKNOWN: unknown error
2019-07-03 23:36:31.290586: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:169] retrieving CUDA diagnostic information for host: DESKTOP-64MLQ1F
2019-07-03 23:36:31.292215: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:176] hostname: DESKTOP-64MLQ1F
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 3043348173810947284
]
```
大変困っております。同様の経験をお持ちの方など、教えていただきたいと思っています。よろしくお願いします。

tensorflowでgpuが使えない

### 前提・実現したいこと

１週間ほど前にAnacondaのGPUが効かなくなったため、環境構築のやり直しを試みています。
その中で、**CUDAをバージョン10.1から10.0にダウングレード**したところ、CUDA自体が反応しなくなってしまいました。ダウングレードの仕方が適切でなかった可能性があります。
原因にお心当たりのある方にご教授いただければ幸いです。

### 実行環境
Windows 10
NVIDIA GeForce GTX 1050

### 発生している問題・エラーメッセージ
CUDAのインストール確認のメッセージは以下のようになっています。

```
(keras-gpu7) C:\Users\furu>nvcc -V
'nvcc' は、内部コマンドまたは外部コマンド、
操作可能なプログラムまたはバッチ ファイルとして認識されていません。
```

### 問題発生までに行ったこと
##CUDAダウングレードに至った経緯
GPUが効かなくなってから改めてtensorflowが公表しているGPU環境のバージョン対応を調べたところ、誤って[Linuxのバージョン対応表](https://www.tensorflow.org/install/source?hl=ja)に準拠していたことが判明しました。次の画像の選択部分が構築していたバージョンです。

![Linuxのバージョン対応表](ff787c113ef5df5ee1b7e0627bd69a8a.png)
[windowsのバージョン対応表](https://www.tensorflow.org/install/source_windows?hl=ja)は次の通りでした。選択部分が今回構築しようとしているバージョンです。
![windowsのバージョン対応表](53b1177e20441316779f500d793dec36.png)
元々、１つ上のtensorflow-gpu2.1.0で検討していたのですが、cuDNN7.4にCUDA10.1に対応するバージョンが存在しなかったため、2.0.0で行いました。

## バージョン変更方法
変更したのは、MSVC2019→1017、CUDA10.1→10.0です。（CUDAが不具合のため、cuDNN・Python・tensorflowはまだです。）

# MSVC2019→1017
2019は消さずに2017を追加する形で変更しました。

# CUDA10.1→10.0
アンインストールとインストールの作業の流れは以下の通りです。
1. 10.0をインストール　→しかし10.1と共存してしまう。CUDAも動作せず
2. 10.1をアンインストール（方法は後に説明）→CUDA動作せず
3. 10.0もアンインストール
4. 10.0をインストール　→CUDA動作せず

アンインストールは２つの方法で行いました。
- コントロールパネルからNVIDIA関連のプログラムを消去
（具体的には、NVIDIA関連の中でも**インストール日が構築した日になっているもの**を消しました。消去したプログラム名は忘れてしまいました。メモしておくべきでした。。）

- NVIDIA GPU Computing Toolkitからv10.〇フォルダを消去

これらの方法は、[こちら](https://dev.infohub.cc/install-cuda-toolkit-10/#:~:text=%E6%97%A7%20nVIDIA%20CUDA%20Toolkit%20%E3%81%AE%E3%82%A2%E3%83%B3%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB,-%E3%81%BE%E3%81%9A%E3%81%AF%E6%97%A7nVIDIA&text=%E3%82%B3%E3%83%B3%E3%83%88%E3%83%AD%E3%83%BC%E3%83%AB%E3%83%91%E3%83%8D%E3%83%AB%E3%81%8B%E3%82%89%E3%80%8C%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0%E3%81%AE,%E3%82%92%E8%A6%8B%E3%81%A4%E3%81%91%E3%82%84%E3%81%99%E3%81%8F%E3%81%AA%E3%82%8A%E3%81%BE%E3%81%99%E3%80%82)のサイトを参考にしました。

（※4について、正確には10.0をインストールしてからv10.1のフォルダを消去しました。）

現在のプログラム構成は次の通りです。並び順はインストール日順です。
![プログラム構成](f21c978c07a3f884837a33df1a076f21.png)

### 試したこと
これ以上触るのが怖くて、試していません。。
バージョン対応の問題が解決できるなら、CUDA10.1に戻すという選択肢もありかと考えています。現状、その他の選択肢は思いついていないです。

どなたか何卒よろしくお願いします。

AnacondaのGPU環境再構築で、CUDAをダウングレードできない

Windows使用でPython,Django,pipenvインストール。
VScode上でこのサイト↓を
```
def post_list(request):
    return render(request, 'blog/post_list.html')

```
表示させようすると、
下記のエラーが表示されます。
```
UnicodeDecodeError at /
'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

Request Method: 	GET
Request URL: 	http://127.0.0.1:8000/
Django Version: 	3.0.2
Exception Type: 	UnicodeDecodeError
Exception Value: 	

'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

Exception Location: 	C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\lib\codecs.py in decode, line 323
Python Executable: 	C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\python.exe
Python Version: 	3.7.6

Python Path: 	

['C:\Users\ユーザー名\Desktop\django_girl',
 'C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\python37.zip',
 'C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\DLLs',
 'C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\lib',
 'C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37',
 'C:\Users\ユーザー名\AppData\Roaming\Python\Python37\site-packages',
 'C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\lib\site-packages']
```


```
django_girl> python manage.py runserver  
Watching for file changes with StatReloader
Performing system checks...

System check identified no issues (0 silenced).
January 29, 2020 - 20:46:26
Django version 3.0.2, using settings 'config.settings'
Starting development server at http://127.0.0.1:8000/ 
Quit the server with CTRL-BREAK.
```
C:\Users\ユーザー名\AppData\Local\Programs\Python\Python37\lib\codecs.py in decode, line 323の部分が関係しているということでしょうか？
line 323の前後の内容は↓　
```ここに言語を入力
def decode(self, input, final=False):
        # decode input (taking the buffer into account)
        data = self.buffer + input
        (result, consumed) = self._buffer_decode(data, self.errors, final)
323→     # keep undecoded input until the next call
        self.buffer = data[consumed:]
        return result
```
どうしたらよいのでしょうか？　'utf-8'の何か設定を再度しなければいけないのでしょうか？
アドバイスよろしくお願いいたします。

Python：エラー 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

皆様いつもお世話になっております。

こちらのスクリプトを実行したのですが、次のエラーが起きてしまいました。どうしたら解決できるでしょうか？
```Python
    with open("database.txt", "r") as g:
        if g.read() == status.text:
            break
```

```python
UnicodeDecodeError: 'cp932' codec can't decode byte 0x8d in position 23: illegal multibyte sequence
```

アドバイスとご教授のほどよろしくお願いします。

PythonのunicodeDecodeErrorの意味が分からない

参考にしたのは次のURLです。

http://aidiary.hatenablog.com/entry/20151108/1446952402

そして、Windows上でchainerを使ってcifar10画像分類器を作成しようとしたら、次のエラーが出ました。

UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-17-2eacff1f22f0> in <module>()
     11     # CIFAR-10データをロード
     12     print ("load CIFAR-10 dataset")
---> 13     X_train, X_test, y_train, y_test = load_cifar10("data")
     14 
     15     N = y_train.size

<ipython-input-16-cc3f74b5eb66> in load_cifar10(datadir)
     21     # 訓練データをロード
     22     for i in range(1, 6):
---> 23         d = unpickle("%s/data_batch_%d" % (datadir, i))
     24         train_data.extend(d["data"])
     25         train_target.extend(d["labels"])

<ipython-input-16-cc3f74b5eb66> in unpickle(f)
     11     import _pickle as cPickle
     12     fo = open(f, 'rb')
---> 13     d = cPickle.load(fo)
     14     fo.close()
     15     return d

UnicodeDecodeError: 'ascii' codec can't decode byte 0x8b in position 6: ordinal not in range(128)

つまり、データがasciiコードだからでコードできないということです。
データはそのまま解凍して置いただけです。
対応策のご存知の方ご教示お願いします。

Windows上でchainerを使ってcifar10画像分類器を作成しようとしたときの'ascii' codecエラー

### 前提・実現したいこと

jupyter notebookでデータ分析の学習をしています。
決定木が表示されません。


### 発生している問題・エラーメッセージ
unicodeがおかしいようなのですが、よくわかりません。
```
g = pydotplus.graph_from_dot_file(path="tree.dot")
Image(g.create_png())



UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-14-2c212d0e8e24> in <module>
      1 g = pydotplus.graph_from_dot_file(path="tree.dot")
----> 2 Image(g.create_png())

~\anaconda\lib\site-packages\pydotplus\graphviz.py in <lambda>(f, prog)
   1789             self.__setattr__(
   1790                 'create_' + frmt,
-> 1791                 lambda f=frmt, prog=self.prog: self.create(format=f, prog=prog)
   1792             )
   1793             f = self.__dict__['create_' + frmt]

~\anaconda\lib\site-packages\pydotplus\graphviz.py in create(self, prog, format)
   2016                 stderr_output = NULL_SEP.join(stderr_output)
   2017                 if PY3:
-> 2018                     stderr_output = stderr_output.decode(sys.stderr.encoding)
   2019 
   2020         # pid, status = os.waitpid(p.pid, 0)

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x82 in position 14: invalid start byte
```