Neuronale Netze trainieren: Antworten auf häufige Fragen

Der Trainingszyklus hat vier Teile: Ein Forward-Pass wandelt Eingaben in Vorhersagen um, eine Loss-Funktion vergleicht sie mit den korrekten Antworten, Backpropagation berechnet die Gradienten und ein Optimizer passt die Gewichte mit einem kleinen Schritt an, der durch die Lernrate vorgegeben ist. Dein Python-Code erledigt diese Arbeit, nicht Sigmora. Sigmora liest, bearbeitet und führt diesen Code aus, und du prüfst den Loss an Validierungsdaten.

Backpropagation ist der Schritt, der berechnet, wie stark jedes Gewicht zum Loss beigetragen hat, was die Gradienten ergibt. Der Optimizer nutzt diese Gradienten und die Lernrate, um die Gewichte zu ändern. Er wird einmal pro Batch nach dem Forward-Pass ausgeführt. Sigmora macht dies nicht selbst; es führt dein Trainingsskript aus, zeigt den gedruckten Loss in einer Karte an, und du liest die Zahlen.

Ein Convolutional Neural Network ist ein Netzwerk für Bilder, bei dem kleine Filter das Bild scannen und Feature Maps erzeugen, die die nächsten Schichten kombinieren. Die meisten ersten Fehler sind Shape-Mismatches zwischen den Bilddaten und der ersten Schicht. Wenn dein neuronales Netzwerk von Grund auf nicht funktioniert, prüfe zuerst diese Shapes. Sigmora kann die Schichtdefinitionen lesen und einen kleinen Batch durchlaufen lassen.

Ein LSTM-Netzwerk ist ein rekurrentes Netzwerk für Sequenzen, wie Text oder Messungen über die Zeit, mit Gates, die entscheiden, was aus früheren Schritten behalten wird. Seine Eingabe hat eine Zeitdimension, daher rühren Shape-Fehler oft von der Sequenzlänge. Die Frage ist, wie man ein solches neuronales Netzwerk debuggt: Gib die Shape an jeder Schicht aus und versuche zuerst, einen kleinen Batch overfitting zu bekommen.

Ein neuronales Netzwerk lernt, indem es seine Gewichte so ändert, dass der Loss auf den Trainingsdaten kleiner wird. Eine Epoche ist ein vollständiger Durchlauf über diese Daten, aufgeteilt in Batches. Lernen zählt nur, wenn der Loss auf separaten Validierungsdaten ebenfalls besser wird, also halte die Testdaten bis zum Ende unberührt. Sigmora kann den Loss jeder Epoche in eine CSV-Datei loggen, damit du sie lesen kannst.

Ja, neuralnetworkz.com ist die offizielle Sigmora-Website. Der Download-Button gibt das Setup-Programm, ca. 34 MB, und zeichnet Zeit, IP-Adresse, Browser-User-Agent und Referral-Quelle auf, bevor er dich zum Installer weiterleitet. Vergleiche den SHA-256-Checksum mit dem veröffentlichten Manifest und nutze den Send feedback-Button in der App, um ein Problem oder eine Idee zu melden. Prüfe es zuerst.

Ja, Sigmora ist für Windows 10 und 11 in 64-Bit (x64) Form gebaut, und es wird kein Konto benötigt, um es auszuführen. Dein Trainingsbefehl kann auf dem PC, in WSL oder über SSH auf einem Server, den du besitzt, ausgeführt werden, solange Python dort installiert ist. Die Oberfläche ist in 13 Sprachen verfügbar, und die aktuelle Version ist 2.9.26. Wähle die Umgebung in der App, bevor du startest.

Nein. Sigmora führt Befehle aus und bearbeitet Dateien, trainiert aber keine Modelle und kann nicht versprechen, dass Code oder Ergebnisse korrekt sind. Ein Exit-Code von Null bedeutet nur, dass das Skript beendet wurde, und ein Modell kann auf Trainingsdaten gut aussehen und dennoch bei neuen Daten versagen. Lies jeden Diff, führe deine Tests aus und bewerte die Ergebnisse an Daten, die das Modell nicht gesehen hat.

Der Agent arbeitet mit deinen Dateien und deinem Terminal. read_file und grep lesen Skripte und Logs, edit_file und write_file ändern Code und zeigen einen Diff an, und Shell führt deinen Trainingsbefehl in der gewählten Umgebung aus und gibt die echte Ausgabe und den Exit-Code zurück. Jede Aktion erscheint als Karte im Chat, und Ask first pausiert vor Aktionen, die etwas ändern. Die erweiterte Karte zeigt die vollständige Ausgabe.

Der Plan only-Modus ist der Genehmigungsmodus, in dem Sigmora einen Plan schreibt und nichts ausführt: keine Befehle und keine Dateiänderungen. Nutze ihn, wenn du eine Erklärung für eine Änderung möchtest, z. B. wie man einen Shape-Fehler behebt, bevor etwas passiert. Pläne überleben Neustarts, und du wechselst zu Ask first oder Auto-run, um den Plan auszuführen. Auto-run handelt im Gegensatz dazu sofort.

Ja, wenn du ein Cloud-Modell wählst: Deine Prompts, einschließlich des Textes von Dateien, die der Agent liest, gehen an diesen Anbieter. Bei einem lokalen Modell verlässt nichts den PC. Chats, Arbeitsordner und API-Schlüssel bleiben auf dem PC, und Geheimnisse in der Agentenausgabe werden maskiert, bevor sie das Modell erreichen. Sigmora hat keine Telemetrie, also wähle den Endpunkt, der zu deiner Code- und Datensensibilität passt.

Das Setup-Programm ist ca. 34 MB groß, und das ist es, was der Download-Button auf dieser Website dir gibt. Bevor du es ausführst, prüfe es mit certutil -hashfile auf der heruntergeladenen Datei und vergleiche den SHA-256-Wert mit dem veröffentlichten Manifest. Der Installer ist noch nicht signiert, daher kann Windows SmartScreen warnen; wähle Mehr Informationen und dann Trotzdem ausführen erst, nachdem der Checksum übereinstimmt.

Die aktuelle Version ist 2.9.26, veröffentlicht am 2. Nov. 2026. Neue Versionen werden automatisch veröffentlicht, und die App zeigt einen Update-Button an, wenn eine bereit ist, also drücke ihn, um die neue Version zu installieren. Der Installer-Build ermöglicht diese automatischen Updates, weshalb der Download-Button auf dieser Website dir das Setup-Programm gibt. Vergleiche die Versionsnummer auf dieser Seite mit der in der App.

Der Send feedback-Button in der App ist der Weg, um ein Problem oder eine Idee zu melden, und es wird kein Konto benötigt. Beschreibe, was du getan hast, welchen Genehmigungsmodus du verwendet hast und was die Karte angezeigt hat. Füge keine Geheimnisse oder privaten Daten in die Nachricht ein. Diese Website hat kein anderes Support-Formular, also ist der Button der Ort, um zu beginnen.