Entrena redes neuronales: dudas comunes respondidas

El ciclo de entrenamiento tiene cuatro partes: un paso hacia adelante convierte las entradas en predicciones, una función de pérdida las compara con las respuestas correctas, la retropropagación calcula los gradientes y un optimizador modifica los pesos en un pequeño paso definido por la tasa de aprendizaje. Tu código en Python hace este trabajo, no Sigmora. Sigmora lee, edita y ejecuta ese código, y tú evalúas la pérdida en datos de validación.

La retropropagación es el paso que calcula cuánto contribuyó cada peso a la pérdida, lo que proporciona los gradientes. El optimizador luego usa esos gradientes y la tasa de aprendizaje para modificar los pesos. Se ejecuta una vez por lote, después del paso hacia adelante. Sigmora no hace esto por sí mismo; ejecuta tu script de entrenamiento y muestra la pérdida impresa en una tarjeta, y tú lees los números.

Una red neuronal convolucional es una red para imágenes en la que pequeños filtros escanean la imagen y producen mapas de características que las siguientes capas combinan. La mayoría de los primeros errores son desajustes de forma entre los datos de la imagen y la primera capa. Si tu red neuronal desde cero no funciona, verifica esas formas primero. Sigmora puede leer las definiciones de las capas y ejecutar un pequeño lote a través de ellas.

Una red LSTM es una red recurrente para secuencias, como texto o mediciones a lo largo del tiempo, con puertas que deciden qué conservar de pasos anteriores. Su entrada tiene una dimensión de tiempo, por lo que los errores de forma a menudo provienen de la longitud de la secuencia. La gente pregunta cómo depurar una red neuronal así: imprime la forma en cada capa e intenta sobreajustar un lote pequeño primero.

Una red neuronal aprende modificando sus pesos para que la pérdida sea menor en los datos de entrenamiento. Un epoch es un pase completo sobre esos datos, dividido en lotes. El aprendizaje solo cuenta si la pérdida en datos de validación independientes también mejora, así que mantén el conjunto de prueba intacto hasta el final. Sigmora puede registrar la pérdida de cada epoch en un archivo CSV para que lo leas.

Sí, neuralnetworkz.com es el sitio web oficial de Sigmora. El botón de descarga proporciona el programa de instalación, de unos 34 MB, y registra la hora, la dirección IP, el agente de usuario del navegador y la fuente de referencia antes de redirigirte al instalador. Compara la suma de comprobación SHA-256 con el manifiesto publicado y usa el botón Send feedback en la aplicación para reportar un problema o una idea. Compruébalo primero.

Sí, Sigmora está diseñado para Windows 10 y 11 en formato de 64 bits (x64), y no se necesita ninguna cuenta para ejecutarlo. Tu comando de entrenamiento puede ejecutarse en la PC, en WSL o por SSH en un servidor que poseas, siempre que Python esté instalado allí. La interfaz está en 13 idiomas y la versión actual es 2.9.26. Elige el entorno en la aplicación antes de comenzar.

No. Sigmora ejecuta comandos y edita archivos, pero no entrena modelos y no puede garantizar que el código o los resultados sean correctos. Un código de salida cero solo significa que el script terminó, y un modelo puede parecer bueno en los datos de entrenamiento y aún así fallar en datos nuevos. Lee cada diff, ejecuta tus pruebas y juzga los resultados en datos que el modelo no ha visto.

El agente trabaja con tus archivos y tu terminal. read_file y grep leen scripts y registros, edit_file y write_file cambian el código y muestran un diff, y Shell ejecuta tu comando de entrenamiento en el entorno que elegiste y devuelve la salida real y el código de salida. Cada acción aparece como una tarjeta en el chat, y Ask first hace una pausa antes de las acciones que cambian algo. La tarjeta expandida muestra la salida completa.

El modo Plan only es el modo de aprobación en el que Sigmora escribe un plan y no ejecuta nada: ni comandos ni cambios de archivos. Úsalo cuando quieras una explicación de un cambio, como cómo corregir un error de forma, antes de que ocurra algo. Los planes sobreviven a los reinicios, y cambias a Ask first o Auto-run para ejecutar el plan. Auto-run, por el contrario, actúa de inmediato.

Sí, si eliges un modelo en la nube: tus prompts, incluido el texto de los archivos que el agente lee, van a ese proveedor. Con un modelo local, nada sale de la PC. Los chats, las carpetas de trabajo y las claves API permanecen en la PC, y los secretos en la salida de la herramienta se enmascaran antes de llegar al modelo. Sigmora no tiene telemetría, así que elige el punto final que se ajuste a qué tan sensibles son tu código y tus datos.

El programa de instalación tiene unos 34 MB, y eso es lo que el botón de descarga en este sitio te proporciona. Antes de ejecutarlo, verifícalo con certutil -hashfile en el archivo descargado y compara el valor SHA-256 con el manifiesto publicado. El instalador aún no tiene firma de código, por lo que Windows SmartScreen puede mostrar una advertencia; elige Más información y luego Ejecutar de todos modos solo después de que la suma de comprobación coincida.

La versión actual es 2.9.26, lanzada el 2 de noviembre de 2026. Las nuevas versiones se publican automáticamente y la aplicación muestra un botón Update cuando está listo, así que presionas para instalar la nueva versión. La compilación del instalador habilita estas actualizaciones automáticas, por eso el botón de descarga en este sitio te proporciona el programa de instalación. Verifica el número de versión en esta página contra el que está en la aplicación.

El botón Send feedback dentro de la aplicación es la forma de reportar un problema o una idea, y no se necesita ninguna cuenta. Describe lo que hiciste, qué modo de aprobación usaste y qué mostró la tarjeta. No pegues secretos ni datos privados en el mensaje. Este sitio web no tiene otro formulario de soporte, así que el botón es el lugar para comenzar.