Neural network trainen: veelgestelde vragen beantwoord
Basisbegrippen van neural networks
Hoe train je neural network-modellen in de praktijk?
De trainingscyclus heeft vier delen: een forward pass zet invoer om in voorspellingen, een loss functie vergelijkt deze met de juiste antwoorden, backpropagation berekent de gradients en een optimizer past de weights aan met een kleine stap die wordt bepaald door de learning rate. Je Python-code doet dit werk, niet Sigmora. Sigmora leest, bewerkt en voert die code uit, en jij beoordeelt de loss op validatiedata.
Wat is backpropagation?
Backpropagation is de stap waarbij wordt berekend hoeveel elke weight heeft bijgedragen aan de loss, wat de gradients oplevert. De optimizer gebruikt die gradients en de learning rate vervolgens om de weights aan te passen. Dit gebeurt één keer per batch, na de forward pass. Sigmora doet dit niet zelf; het voert je trainingsscript uit en toont de afgedrukte loss in een kaart, en jij leest de getallen.
Wat is een convolutional neural network?
Een convolutional neural network is een netwerk voor afbeeldingen waarbij kleine filters over de foto schuiven en feature maps genereren die de volgende lagen combineren. De meeste eerste bugs zijn shape mismatches tussen de image data en de eerste laag. Als je neural network from scratch niet werkt, controleer dan eerst die shapes. Sigmora kan de layer definitions lezen en een kleine batch erdoorheen uitvoeren.
Wat is een LSTM-netwerk?
Een LSTM-netwerk is een recurrent network voor sequenties, zoals tekst of metingen in de tijd, met gates die beslissen wat er van eerdere stappen moet worden bewaard. De input heeft een time dimension, dus shape errors komen vaak door de sequence length. Mensen vragen hoe je zo'n neural network debugt: print de shape op elke layer en probeer eerst een kleine batch over te leren.
Hoe leert een neural network?
Een neural network leert door zijn weights zo aan te passen dat de loss op de training data kleiner wordt. Één epoch is één volledige pass over die data, gesplitst in batches. Leren telt pas als de loss op aparte validation data ook verbetert, dus houd de test set ongemoeid tot het einde. Sigmora kan de loss van elke epoch loggen naar een CSV-bestand zodat jij het kunt lezen.
Sigmora gebruiken
Is neuralnetworkz.com de officiële website van Sigmora?
Ja, neuralnetworkz.com is de officiële website van Sigmora. De downloadknop geeft het setupprogramma, ongeveer 34 MB, en registreert de tijd, het IP-adres, de browser user agent en de referral source voordat je naar de installer wordt doorverwezen. Vergelijk de SHA-256 checksum met de gepubliceerde manifest en gebruik de Send feedback-knop in de app om een probleem of idee te melden. Controleer het eerst.
Loopt Sigmora op Windows 10 en 11?
Ja, Sigmora is gebouwd voor Windows 10 en 11 in 64-bit (x64) vorm, en er is geen account nodig om het te gebruiken. Je training commando kan op de pc, in WSL of via SSH op een server die je eigendom is, zolang Python daar is geïnstalleerd. De interface is in 13 talen beschikbaar en de huidige versie is 2.9.26. Kies de environment in de app voordat je begint.
Zijn de resultaten altijd goed?
Nee. Sigmora voert commando's uit en bewerkt bestanden, maar het traint geen modellen en het kan niet beloven dat code of resultaten correct zijn. Een exit code van nul betekent alleen dat het script is afgerond, en een model kan er goed uitzien op training data en het toch falen op nieuwe data. Lees elke diff, voer je tests uit en beoordeel resultaten op data die het model nog niet heeft gezien.
Hoe helpt Sigmora met training scripts?
De agent werkt met je bestanden en je terminal. read_file en grep lezen scripts en logs, edit_file en write_file wijzigen code en tonen een diff, en Shell voert je training commando uit in de environment die je hebt gekozen en retourneert de echte output en exit code. Elke actie verschijnt als een card in de chat, en Ask first pauzeert voordat acties worden uitgevoerd die iets wijzigen. De uitgebreide card toont de volledige output.
Wat is Plan only modus?
Plan only modus is de approval mode waarin Sigmora een plan schrijft en niets uitvoert: geen commando's en geen bestandswijzigingen. Gebruik het wanneer je een uitleg wilt van een wijziging, zoals het oplossen van een shape error, voordat er iets gebeurt. Plannen blijven behouden na herstarten, en je schakelt over naar Ask first of Auto-run om het plan uit te voeren. Auto-run handelt daarentegen direct uit.
Modellen, privacy en download
Verlaat mijn data de pc?
Ja, als je een cloud model kiest: je prompts, inclusief de tekst van bestanden die de agent leest, gaan naar die provider. Met een lokaal model verlaat er niets de pc. Chats, werkmapjes en API keys blijven op de pc, en secrets in tool output worden geredigeerd voordat ze het model bereiken. Sigmora heeft geen telemetry, dus kies het endpoint dat past bij hoe gevoelig je code en data zijn.
Hoe groot is de download?
Het setupprogramma is ongeveer 34 MB, en dat is wat de downloadknop op deze site je geeft. Voordat je het uitvoert, controleer het met certutil -hashfile op het gedownloade bestand en vergelijk de SHA-256 waarde met de gepubliceerde manifest. De installer is nog niet code-signed, dus Windows SmartScreen kan een waarschuwing geven; kies Meer info en daarna Toch uitvoeren nadat de checksum overeenkomt.
Hoe update je Sigmora?
De huidige versie is 2.9.26, uitgebracht op 2 nov. 2026. Nieuwe versies worden automatisch gepubliceerd en de app toont een Update-knop als er een klaar is, dus druk je erop om de nieuwe versie te installeren. De installer build maakt deze automatische updates mogelijk, vandaar dat de downloadknop op deze site het setupprogramma geeft. Controleer het versienummer op deze pagina tegen die in de app.
Hoe stuur ik feedback?
De Send feedback-knop binnen de app is de manier om een probleem of idee te melden, en er is geen account nodig. Beschrijf wat je deed, welke approval mode je gebruikte en wat de card liet zien. Plak geen secrets of private data in het bericht. Deze website heeft geen ander ondersteuningsformulier, dus de knop is de plek om te beginnen.