Description
Prerequisites
- Write a descriptive title.
- Make sure you are able to repro it on the latest released version
- Search the existing issues, especially the pinned issues.
Exception report
WARNING: The version '2.3.6' of module 'PSReadLine' is currently in use. Retry the operation after closing the applications.
PS C:\Users\User\Dropbox\3_Obsidian> mkdir "1_Knowledge_Database/Artificial_Intelligence/機器學習 (Machine Learning)/04_後續學習方向/章節 11：深度學習簡 介" && echo "# 章節 11：深度學習簡介^r^n^r^n## 學習目標：^r^n對深度學習有一個初步的認識，了解其與傳統機器學習的區別以及常見的深度學習框架。^r^n^r^n## 具 體學習內容：^r^n* **神經網路基礎：**^r^n * 人工神經元 (Perceptron)。^r^n * 多層感知器 (Multi-layer Perceptron, MLP)。^r^n * 激活函數 (Activation Functions) (ReLU, Sigmoid, Tanh)。^r^n * 前向傳播 (Forward Propagation)。^r^n * 反向傳播 (Backpropagation) 與梯度下降 (Gradient Descent) (複習並應用於神經網路)。^r^n* **深度學習與傳統機器學習的區別：**^r^n * 特徵工程：深度學習可以自動學習特徵。^r^n * 數據量需求：深度學習通常需要大量數據。^r^n * 模型複雜度。^r^n* **常見的深度學習框架 (簡介)：**^r^n * **TensorFlow：** Google 開發的開源深度學習框架。^r^n * **PyTorch：** Facebook (Meta) 開發的開源深度學習框架。^r^n * 了解它們的基本概念和用途。^r^n* **常見的深度學習模型架構 (簡介)：**^r^n * 卷積神經網路 (Convolutional Neural Networks, CNN) (用於圖像處理)。^r^n * 循環神經網路 (Recurrent Neural Networks, RNN) (用於序列數據，如文本)。^r^n^r^n## 實踐練習：^r^n* （可選）使用 TensorFlow 或 PyTorch 搭建一個簡單的神經網路模型，並在一個小型數據集上進行訓練。^r^n* 閱讀關於 CNN 和 RNN 的入門文章。^r^n...
Oops, something went wrong.
Please report this bug with ALL the details below, including both the 'Environment' and 'Exception' sections.
Please report on GitHub: https://github.com/PowerShell/PSReadLine/issues/new?template=Bug_Report.yaml
Thank you!
### Environment
PSReadLine: 2.3.6+d2e770f93b7a53d8660a6402eb29d1ae1c35e767
PowerShell: 7.5.0
OS: Microsoft Windows 10.0.26100
BufferWidth: 153
BufferHeight: 9
Last 62 Keys:
m U p d a t e - M o d u l e Spacebar P S R e a d L i n e Enter
I n s t a l l - M o d u l e Spacebar P S R e a d L i n e Spacebar - F o r c e \ Backspace Enter
m
### Exception
System.IndexOutOfRangeException: Index was outside the bounds of the array.
at System.Text.StringBuilder.get_Chars(Int32 index)
at Microsoft.PowerShell.PSConsoleReadLine.ConvertOffsetToPoint(Int32 offset)
at Microsoft.PowerShell.PSConsoleReadLine.ReallyRender(RenderData renderData, String defaultColor)
at Microsoft.PowerShell.PSConsoleReadLine.ForceRender()
at Microsoft.PowerShell.PSConsoleReadLine.Render()
at Microsoft.PowerShell.PSConsoleReadLine.Insert(Char c)
at Microsoft.PowerShell.PSConsoleReadLine.SelfInsert(Nullable`1 key, Object arg)
at Microsoft.PowerShell.PSConsoleReadLine.ProcessOneKey(PSKeyInfo key, Dictionary`2 dispatchTable, Boolean ignoreIfNoAction, Object arg)
at Microsoft.PowerShell.PSConsoleReadLine.InputLoop()
at Microsoft.PowerShell.PSConsoleReadLine.ReadLine(Runspace runspace, EngineIntrinsics engineIntrinsics, CancellationToken cancellationToken, Nullable`1 lastRunStatus)
PS C:\Users\User\Dropbox\3_Obsidian> mkdir "1_Knowledge_Database/Artificial_Intelligence/機器學習 (Machine Learning)/04_後續學習方向/章節 11：深度學習簡 介" && echo "# 章節 11：深度學習簡介^r^n^r^n## 學習目標：^r^n對深度學習有一個初步的認識，了解其與傳統機器學習的區別以及常見的深度學習框架。^r^n^r^n## 具 體學習內容：^r^n* **神經網路基礎：**^r^n * 人工神經元 (Perceptron)。^r^n * 多層感知器 (Multi-layer Perceptron, MLP)。^r^n * 激活函數 (Activation Functions) (ReLU, Sigmoid, Tanh)。^r^n * 前向傳播 (Forward Propagation)。^r^n * 反向傳播 (Backpropagation) 與梯度下降 (Gradient Descent) (複習並應用於神經網路)。^r^n* **深度學習與傳統機器學習的區別：**^r^n * 特徵工程：深度學習可以自動學習特徵。^r^n * 數據量需求：深度學習通常需要大量數據。^r^n * 模型複雜度。^r^n* **常見的深度學習框架 (簡介)：**^r^n * **TensorFlow：** Google 開發的開源深度學習框架。^r^n * **PyTorch：** Facebook (Meta) 開發的開源深度學習框架。^r^n * 了解它們的基本概念和用途。^r^n* **常見的深度學習模型架構 (簡介)：**^r^n * 卷積神經網路 (Convolutional Neural Networks, CNN) (用於圖像處理)。^r^n * 循環神經網路 (Recurrent Neural Networks, RNN) (用於序列數據，如文本)。^r^n^r^n## 實踐練習：^r^n* （可選）使用 TensorFlow 或 PyTorch 搭建一個簡單的神經網路模型，並在一個小型數據集上進行訓練。^r^n* 閱讀關於 CNN 和 RNN 的入門文章。^r^n...Screenshot
Environment data
PSReadLine: 2.3.6+d2e770f93b7a53d8660a6402eb29d1ae1c35e767
PowerShell: 7.5.0
OS: Microsoft Windows 10.0.26100
BufferWidth: 153
BufferHeight: 9Steps to reproduce
PS C:\Users\User\Dropbox\3_Obsidian> mkdir "1_Knowledge_Database/Artificial_Intelligence/機器學習 (Machine Learning)/04_後續學習方向/章節 11：深度學習簡 介" && echo "# 章節 11：深度學習簡介^r^n^r^n## 學習目標：^r^n對深度學習有一個初步的認識，了解其與傳統機器學習的區別以及常見的深度學習框架。^r^n^r^n## 具 體學習內容：^r^n* 神經網路基礎：^r^n * 人工神經元 (Perceptron)。^r^n * 多層感知器 (Multi-layer Perceptron, MLP)。^r^n * 激活函數 (Activation Functions) (ReLU, Sigmoid, Tanh)。^r^n * 前向傳播 (Forward Propagation)。^r^n * 反向傳播 (Backpropagation) 與梯度下降 (Gradient Descent) (複習並應用於神經網路)。^r^n* 深度學習與傳統機器學習的區別：^r^n * 特徵工程：深度學習可以自動學習特徵。^r^n * 數據量需求：深度學習通常需要大量數據。^r^n * 模型複雜度。^r^n* 常見的深度學習框架 (簡介)：^r^n * TensorFlow： Google 開發的開源深度學習框架。^r^n * PyTorch： Facebook (Meta) 開發的開源深度學習框架。^r^n * 了解它們的基本概念和用途。^r^n* 常見的深度學習模型架構 (簡介)：^r^n * 卷積神經網路 (Convolutional Neural Networks, CNN) (用於圖像處理)。^r^n * 循環神經網路 (Recurrent Neural Networks, RNN) (用於序列數據，如文本)。^r^n^r^n## 實踐練習：^r^n* （可選）使用 TensorFlow 或 PyTorch 搭建一個簡單的神經網路模型，並在一個小型數據集上進行訓練。^r^n* 閱讀關於 CNN 和 RNN 的入門文章。^r^n...
Expected behavior
PS C:\Users\User\Dropbox\3_Obsidian> mkdir "1_Knowledge_Database/Artificial_Intelligence/機器學習 (Machine Learning)/04_後續學習方向/章節 11：深度學習簡 介" && echo "# 章節 11：深度學習簡介^r^n^r^n## 學習目標：^r^n對深度學習有一個初步的認識，了解其與傳統機器學習的區別以及常見的深度學習框架。^r^n^r^n## 具 體學習內容：^r^n* 神經網路基礎：^r^n * 人工神經元 (Perceptron)。^r^n * 多層感知器 (Multi-layer Perceptron, MLP)。^r^n * 激活函數 (Activation Functions) (ReLU, Sigmoid, Tanh)。^r^n * 前向傳播 (Forward Propagation)。^r^n * 反向傳播 (Backpropagation) 與梯度下降 (Gradient Descent) (複習並應用於神經網路)。^r^n* 深度學習與傳統機器學習的區別：^r^n * 特徵工程：深度學習可以自動學習特徵。^r^n * 數據量需求：深度學習通常需要大量數據。^r^n * 模型複雜度。^r^n* 常見的深度學習框架 (簡介)：^r^n * TensorFlow： Google 開發的開源深度學習框架。^r^n * PyTorch： Facebook (Meta) 開發的開源深度學習框架。^r^n * 了解它們的基本概念和用途。^r^n* 常見的深度學習模型架構 (簡介)：^r^n * 卷積神經網路 (Convolutional Neural Networks, CNN) (用於圖像處理)。^r^n * 循環神經網路 (Recurrent Neural Networks, RNN) (用於序列數據，如文本)。^r^n^r^n## 實踐練習：^r^n* （可選）使用 TensorFlow 或 PyTorch 搭建一個簡單的神經網路模型，並在一個小型數據集上進行訓練。^r^n* 閱讀關於 CNN 和 RNN 的入門文章。^r^n...
Actual behavior
kdir "1_Knowledge_Database/Artificial_Intelligence/機器學習 (Machine Learning)/04_後續學習方向/章節 11：深度學習簡 介" && echo "# 章節 11：深度學習簡介^r^n^r^n## 學習目標：^r^n對深度學習有一個初步的認識，了解其與傳統機器學習的區別以及常見的深度學習框架。^r^n^r^n## 具 體學習內容：^r^n* 神經網路基礎：^r^n * 人工神經元 (Perceptron)。^r^n * 多層感知器 (Multi-layer Perceptron, MLP)。^r^n * 激活函數 (Activation Functions) (ReLU, Sigmoid, Tanh)。^r^n * 前向傳播 (Forward Propagation)。^r^n * 反向傳播 (Backpropagation) 與梯度下降 (Gradient Descent) (複習並應用於神經網路)。^r^n* 深度學習與傳統機器學習的區別：^r^n * 特徵工程：深度學習可以自動學習特徵。^r^n * 數據量需求：深度學習通常需要大量數據。^r^n * 模型複雜度。^r^n* 常見的深度學習框架 (簡介)：^r^n * TensorFlow： Google 開發的開源深度學習框架。^r^n * PyTorch： Facebook (Meta) 開發的開源深度學習框架。^r^n * 了解它們的基本概念和用途。^r^n* 常見的深度學習模型架構 (簡介)：^r^n * 卷積神經網路 (Convolutional Neural Networks, CNN) (用於圖像處理)。^r^n * 循環神經網路 (Recurrent Neural Networks, RNN) (用於序列數據，如文本)。^r^n^r^n## 實踐練習：^r^n* （可選）使用 TensorFlow 或 PyTorch 搭建一個簡單的神經網路模型，並在一個小型數據集上進行訓練。^r^n* 閱讀關於 CNN 和 RNN 的入門文章。^r^n...