2.9.26
Veröffentlicht am 2. Nov. 2026
Offizielle Sigmora-Website
Neural Network Training-Agent für Windows
Sigmora ist ein Agent für Windows, der Ihren Python-Trainingscode bearbeitet, ausführt und das echte Ergebnis jedes Schritts anzeigt. Version 2.9.26 arbeitet mit Ihren eigenen Dateien und Ihrer eigenen Hardware.
Lesen Sie das Trainingsprotokoll, finden Sie den Fehler und beheben Sie die Forminkonsistenz in der Modelldefinition.
- read_file
train.pygeladen - grep
ValueError1 Treffer - edit_file
train.pygespeichert - Shell
python train.pyexit 0 - read_file
loss.csv10 Zeilen
wartet auf Ihre Freigabe für den nächsten SchrittAblehnenAkzeptieren
34 MB
Setup-Programm-Download
Send feedback
Schaltfläche in der App
13
Benutzeroberflächen-Sprachen
SHA-256
Installer-Hash überprüfen
Auto
Update-Schaltfläche wird angezeigt
Neural Network Training mit Ihren eigenen Daten
Neural Network Training bedeutet, Gewichte anzupassen, bis der Loss-Wert auf Ihren Trainingsdaten sinkt. Ihr Code erledigt die Arbeit. Sigmora liest Ihre Skripte, bearbeitet sie, führt Ihren Training-Befehl über Shell aus und zeigt jedes Ergebnis als Karte im Chat. Im Ask first-Modus genehmigen Sie jede Änderung, bevor sie stattfindet. Version 2.9.26 läuft auf Windows 10 und 11.
Forminkonsistenz in Python-Code für neuronale Netze beheben
Ein Skript stoppt. Es schlägt mit einem Formfehler fehl, bevor die erste Epoche endet. In Version 2.9.26 nutzt Sigmora grep, um die Fehlerzeile in Ihrem Protokoll zu finden, read_file, um train.py zu öffnen, und edit_file, um die Layer-Größe zu ändern, die nicht zu Ihren Labels passt. Der Diff erscheint als Karte, und im Ask first-Modus akzeptieren oder verwerfen Sie ihn, bevor die Datei geändert wird. Shell führt dann Ihren Training-Befehl aus und meldet den echten Exit-Code, der nur anzeigt, dass das Skript ohne Fehler beendet wurde.
Tool-Verlauf
grep ValueError → 1 match
read_file train.py → loaded
edit_file train.py → saved
Shell python train.py → exit 0Loss-Werte im Backpropagation-Training beobachten
Sie möchten den Loss jeder Epoche in einer Datei. Shell startet Ihren Training-Befehl in der von Ihnen gewählten Umgebung, und die echte Ausgabe landet im Chat. grep extrahiert die Loss-Zeilen aus dem Protokoll, und write_file speichert sie als loss.csv in Ihrem Arbeitsordner, sodass 2 Läufe später verglichen werden können. In einem neuronalen Netzwerk benötigt jeder Batch einen Forward-Pass und einen Backward-Pass, und der Loss aus dem Forward-Pass landet in der CSV-Datei. Ask first pausiert dort.
Tool-Verlauf
Shell python train.py → exit 0
grep loss → 10 matches
write_file loss.csv → savedLayer-Architektur eines neuronalen Netzes ändern
Sie möchten vor dem nächsten Lauf ein anderes Layout der Layer. edit_file schlägt die neuen Layer-Größen in Ihrer Modelldatei vor und zeigt einen Diff, und im Ask first-Modus wird nichts geschrieben, bis Sie es akzeptieren. Shell führt dann einen kleinen Batch durch das Modell und gibt die Ausgabegröße aus. Vergleichen Sie sie mit Ihren Labels. Wenn die 2 Zahlen abweichen, bitten Sie um eine weitere Änderung. Ein erfolgreicher Lauf zeigt nur, dass das Skript ausgeführt wurde, Sie beurteilen also das Design selbst.
Overfitting in einem Trainingsexperiment erkennen
Der Training-Loss sinkt weiter, aber der Validation-Loss beginnt zu steigen. So erkennen Sie, wenn Ihr Modell overfittet. Schauen Sie sich beide Spalten an. Sigmora nutzt grep, um die 2 Loss-Spalten aus Ihrem Protokoll zu ziehen, und edit_file zeigt den Diff für eine Änderung, die Sie anfordern, wie ein kleineres Modell oder Early Stopping in Ihrem eigenen Skript. Im Ask first-Modus genehmigen Sie es, dann führt Shell das Skript erneut aus, und Sie vergleichen den Validation-Loss vor und nachher auf Daten, die das Modell nicht gesehen hat.
Wie Sigmora sich von einem typischen Chat-Assistenten unterscheidet
Ein Chat-Assistent beschreibt einen Befehl, während Sigmora 2.9.26 ihn ausführt und zeigt, was in der Output-Karte wirklich passiert ist. Sie entscheiden, was ausgeführt wird.
| Typischer Chat-Assistent | Sigmora | |
|---|---|---|
| Dateibearbeitung | Schreibt Code im Chat | Bearbeitet die Datei und zeigt einen Diff |
| Befehlsausführung | Beschreibt einen Befehl | Führt ihn aus und gibt den Exit-Code zurück |
| Genehmigungsmodus | Kein Genehmigungsschritt | Ask first pausiert vor Änderungen |
| Modell-Endpunkt | Vom Chat-Dienst festgelegt | Ihr Endpunkt, geprüft mit Test |
So starten Sie mit Sigmora
- Laden Sie das 34 MB große Setup-Programm für Windows 10 oder 11 herunter.
- Führen Sie den Installer aus und öffnen Sie Sigmora.
- Verbinden Sie Ihren Modell-Endpunkt oder nutzen Sie das integrierte Modell.
- Starten Sie einen Chat, benennen Sie Ihr Trainingsskript und wählen Sie Auto-run, Ask first oder Plan only.
Wer nutzt Sigmora zum Training
Anfänger, die ihr erstes Netzwerk schreiben, sind die erste Zielgruppe. Welche Loss-Funktion für ein erstes Projekt geeignet ist, ist eine faire Frage, daher kann der Agent dasselbe Skript mit jeder Wahl ausführen und die Zahlen nebeneinander drucken, während Sie sie lesen. Beginnen Sie mit etwas Kleinem. Python muss dort installiert sein, wo der Befehl ausgeführt wird.
Praktiker, die Trainingsloops debuggen, sind die zweite Zielgruppe. Shell führt Ihren Training-Befehl auf Ihrem PC, in WSL oder über SSH auf Ihrem eigenen GPU-Server aus und gibt die echte Ausgabe und den Exit-Code zurück. Sie wählen die Umgebung. grep und read_file finden die fehlerhafte Zeile, und edit_file zeigt zuerst den Diff.
Forscher, die Experimente vergleichen, sind die dritte Zielgruppe. Wenn Sie sich fragen, welche Rolle die Lernrate spielt, kann der Agent das Skript mit 2 Werten erneut ausführen und beide Loss-Kurven in eine CSV-Datei schreiben. Halten Sie jeden Lauf klein. Sie lesen die Ergebnisse und entscheiden, was sie auf Daten bedeuten, die das Modell nicht gesehen hat.
Häufig gestellte Fragen
Was ist Neural Network Training?
Training ist der Prozess, die Gewichte eines Netzwerks so anzupassen, dass der Loss-Wert, der misst, wie falsch seine Vorhersagen sind, auf den Trainingsdaten kleiner wird. Jeder Schritt führt einen Forward-Pass, eine Loss-Berechnung, Backpropagation und einen Optimizer-Update durch. Ihr Python-Code erledigt diese Arbeit, nicht Sigmora. Beobachten Sie auch den Validation-Loss.
Ist neuralnetworkz.com die offizielle Sigmora-Website?
Ja, neuralnetworkz.com ist die offizielle Sigmora-Website. Die Download-Schaltfläche gibt das Setup-Programm, ca. 34 MB groß, aus und protokolliert Zeit, IP-Adresse, Browser-User-Agent und Referrer, bevor Sie zum Installer weitergeleitet werden. Vergleichen Sie den SHA-256-Checksum mit dem veröffentlichten Manifest. Prüfen Sie es zuerst. Melden Sie Probleme mit der Schaltfläche Send feedback in der App.
Wie behandelt Sigmora die Privatsphäre?
Chats, Arbeitsordner und API-Schlüssel bleiben auf Ihrem PC, und Geheimnisse in Tool-Ausgaben werden maskiert, bevor sie das Modell erreichen. Prompts, einschließlich des Textes von Dateien, die der Agent liest, gehen nur an den Modell-Endpunkt, den Sie wählen. Bei einem lokalen Modell verlässt nichts die Maschine. Es gibt keine Telemetrie.
Was ist Backpropagation in einem neuronalen Netzwerk?
Backpropagation ist der Schritt, der berechnet, wie sehr jedes Gewicht zum Loss beigetragen hat, was die Gradienten ergibt. Der Optimizer nutzt dann diese Gradienten und die Lernrate, um die Gewichte zu ändern. Sigmora macht dies nicht selbst; es führt Ihr Trainingsskript aus und zeigt den gedruckten Loss in einer Karte im Chat. Lesen Sie die Zahlen.
Funktioniert Sigmora mit lokalen Modellen?
Ja, Sie können ein Modell verbinden, das auf Ihrem eigenen PC über einen lokalen Endpunkt läuft, und dann verlässt nichts, was Sie senden, die Maschine. Bei einem Cloud-Modell gehen Ihre Prompts an diesen Anbieter. Die Test-Schaltfläche prüft einen Endpunkt und zeigt seine Antwortzeit und den Context Window. Drücken Sie Test zuerst.
Was ist ein Neural Network Tutorial?
Ein Neural Network Tutorial ist eine schrittweise Erklärung, wie man ein Netzwerk baut und trainiert, normalerweise indem man den Forward-Pass, den Loss und den Weight-Update selbst schreibt. Sigmora kann eine kleine Beispieldatei schreiben, sie ausführen und den Diff anzeigen, bevor die Änderung im Ask first-Modus angewendet wird. Lesen Sie jede Zeile.
Wie überprüfe ich den Download?
Der Download wird überprüft, indem certutil -hashfile für die heruntergeladene Datei mit SHA256 ausgeführt und das Ergebnis mit dem SHA-256-Wert im veröffentlichten Manifest verglichen wird. Der Installer ist noch nicht signiert, daher kann Windows SmartScreen warnen. Wählen Sie Weitere Informationen und Trotzdem ausführen erst, nachdem der Checksum übereinstimmt. Match first, then run.
Führen Sie Ihr erstes Trainingsskript mit Sigmora aus
Sigmora 2.9.26 führt Ihre Python-Skripte aus, bearbeitet Ihre Dateien und zeigt jedes Ergebnis als Karte im Chat; das 34 MB große Setup-Programm ist für Windows 10 oder 11. Beginnen Sie klein.
Sigmora für Windows herunterladen ↗Mehr erkunden
Jede Seite dieser Website ist in 20 Sprachen verfügbar.
Produktfunktionen ↗ Modellkonfiguration ↗ Workflow-Beispiele ↗ Installer herunterladen ↗ FAQ ↗ Datenschutzerklärung ↗
