Exception on Windows triggered by inline prediction with CJK characters #4737
Labels
Area-Stability
Label for tracking stability Issues
Needs-Triage 🔍
It's a new issue that core contributor team needs to triage.
Prerequisites
Exception report
Screenshot
Environment data
Steps 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...
The text was updated successfully, but these errors were encountered: