Huấn luyện mã mạng neural: Giải đáp các thắc mắc phổ biến

Chu trình huấn luyện gồm bốn phần: lượt truyền thuận (forward pass) chuyển đổi đầu vào thành dự đoán, hàm mất mát (loss function) so sánh chúng với câu trả lời đúng, backpropagation tính toán các gradient, và bộ tối ưu hóa (optimiser) thay đổi trọng số bằng một bước nhỏ được xác định bởi tốc độ học (learning rate). Mã Python của bạn thực hiện công việc này, không phải Sigmora. Sigmora đọc, chỉnh sửa và chạy mã đó, còn bạn là người đánh giá mức mất mát trên dữ liệu kiểm tra (validation).

Backpropagation là bước tính toán mức độ đóng góp của mỗi trọng số vào hàm mất mát, từ đó tạo ra các gradient. Bộ tối ưu hóa sau đó sử dụng các gradient và tốc độ học để điều chỉnh trọng số. Quá trình này chạy một lần mỗi batch, ngay sau lượt truyền thuận. Sigmora không tự thực hiện việc này; nó chạy tập lệnh huấn luyện của bạn, hiển thị giá trị mất mát đã in ra trong một thẻ, và bạn là người đọc các con số đó.

Mạng neural tích chập là mạng chuyên dụng cho dữ liệu hình ảnh, trong đó các bộ lọc nhỏ quét qua ảnh và tạo ra các bản đồ đặc trưng (feature maps) để các lớp sau kết hợp. Lỗi phổ biến nhất thường là sự không khớp về kích thước (shape) giữa dữ liệu ảnh và lớp đầu tiên. Nếu mạng neural tự viết từ đầu của bạn chưa hoạt động, hãy kiểm tra các kích thước đó trước tiên. Sigmora có thể đọc các định nghĩa lớp và chạy thử một batch nhỏ qua chúng.

Mạng LSTM là mạng hồi quy dành cho dữ liệu chuỗi, chẳng hạn như văn bản hoặc số liệu theo thời gian, sử dụng các cổng (gates) để quyết định những gì cần giữ lại từ các bước trước đó. Đầu vào của nó có chiều thời gian, nên các lỗi về kích thước thường xuất phát từ độ dài chuỗi. Cách gỡ lỗi phổ biến là in kích thước tại mỗi lớp và thử quá khớp (overfit) trên một batch nhỏ trước.

Mạng neural học bằng cách thay đổi các trọng số để giảm thiểu mức mất mát trên dữ liệu huấn luyện. Một epoch là một lượt truyền đầy đủ qua toàn bộ dữ liệu đó, được chia thành các batch. Việc học chỉ thực sự hiệu quả nếu mức mất mát trên dữ liệu kiểm tra riêng biệt cũng giảm, vì vậy hãy giữ nguyên tập kiểm tra cho đến cuối. Sigmora có thể ghi lại mức mất mát của mỗi epoch vào một tệp CSV để bạn dễ dàng theo dõi.

Đúng vậy, neuralnetworkz.com là trang web chính thức của Sigmora. Nút tải xuống cung cấp chương trình thiết lập (setup), khoảng 34 MB, và ghi lại thời gian, địa chỉ IP, trình duyệt user agent và nguồn giới thiệu trước khi chuyển hướng bạn đến trình cài đặt. Hãy so sánh tổng kiểm tra SHA-256 với tệp kê khai đã công bố, và sử dụng nút Send feedback trong ứng dụng để báo cáo sự cố hoặc ý tưởng. Hãy kiểm tra kỹ trước khi sử dụng.

Đúng vậy, Sigmora được xây dựng cho Windows 10 và 11 ở định dạng 64-bit (x64), và không cần tài khoản để chạy. Lệnh huấn luyện của bạn có thể chạy trên PC, trong WSL hoặc qua SSH trên máy chủ bạn sở hữu, miễn là Python đã được cài đặt ở đó. Giao diện có sẵn trong 13 ngôn ngữ, và phiên bản hiện tại là 2.9.26. Hãy chọn môi trường trong ứng dụng trước khi bắt đầu.

Không. Sigmora chạy các lệnh và chỉnh sửa tệp, nhưng nó không trực tiếp huấn luyện mô hình và không thể đảm bảo rằng mã hoặc kết quả là chính xác. Mã thoát bằng 0 chỉ có nghĩa là tập lệnh đã kết thúc, và một mô hình có thể trông tốt trên dữ liệu huấn luyện nhưng vẫn thất bại trên dữ liệu mới. Hãy đọc mọi sự khác biệt (diff), chạy các bài kiểm tra của bạn và đánh giá kết quả trên dữ liệu mà mô hình chưa từng thấy.

Agent làm việc trực tiếp với các tệp và terminal của bạn. read_file và grep đọc các tập lệnh và nhật ký, edit_file và write_file thay đổi mã và hiển thị sự khác biệt (diff), còn Shell chạy lệnh huấn luyện của bạn trong môi trường bạn đã chọn và trả về kết xuất thực tế cùng mã thoát. Mọi hành động đều xuất hiện dưới dạng một thẻ trong cuộc trò chuyện, và Ask first sẽ tạm dừng trước các hành động thay đổi nội dung. Thẻ mở rộng hiển thị toàn bộ kết xuất.

Chế độ Plan only là chế độ phê duyệt trong đó Sigmora viết ra một kế hoạch và không thực thi gì cả: không có lệnh nào được chạy và không có tệp nào được thay đổi. Hãy sử dụng nó khi bạn muốn xem giải thích về một thay đổi, chẳng hạn như cách sửa lỗi kích thước, trước khi bất cứ điều gì xảy ra. Các kế hoạch được lưu lại sau khi khởi động lại, và bạn có thể chuyển sang Ask first hoặc Auto-run để thực hiện kế hoạch đó. Ngược lại, Auto-run sẽ thực thi ngay lập tức.

Có, nếu bạn chọn mô hình đám mây: các lệnh nhắc (prompts) của bạn, bao gồm cả nội dung các tệp mà agent đọc, sẽ được gửi đến nhà cung cấp đó. Với mô hình cục bộ, mọi dữ liệu đều ở lại máy tính. Các cuộc trò chuyện, thư mục làm việc và khóa API đều lưu trữ trên máy tính, và các thông tin nhạy cảm trong kết xuất công cụ được che đi trước khi gửi đến mô hình. Sigmora không có telemetry, vì vậy hãy chọn điểm cuối phù hợp với mức độ nhạy cảm của mã và dữ liệu của bạn.

Chương trình thiết lập có kích thước khoảng 34 MB, và đó là những gì nút tải xuống trên trang web này cung cấp cho bạn. Trước khi chạy, hãy kiểm tra tệp đã tải bằng lệnh certutil -hashfile và so sánh giá trị SHA-256 với tệp kê khai đã công bố. Trình cài đặt hiện chưa được ký mã, nên Windows SmartScreen có thể cảnh báo; hãy chọn Thêm thông tin rồi sau đó chọn Chạy anyway chỉ khi tổng kiểm tra khớp nhau.

Phiên bản hiện tại là 2.9.26, được phát hành vào ngày 2 tháng 11 năm 2026. Các phiên bản mới được phát hành tự động, và ứng dụng sẽ hiển thị nút Cập nhật khi có phiên bản mới, cho phép bạn nhấn để cài đặt. Bản dựng trình cài đặt cho phép các bản cập nhật tự động này, đó là lý do tại sao nút tải xuống trên trang web này cung cấp chương trình thiết lập. Hãy kiểm tra số phiên bản trên trang này so với số phiên bản trong ứng dụng.

Nút Send feedback bên trong ứng dụng là cách để báo cáo sự cố hoặc ý tưởng, và không cần tài khoản. Hãy mô tả những gì bạn đã làm, chế độ phê duyệt bạn đã sử dụng và thẻ đã hiển thị những gì. Đừng dán các bí mật hoặc dữ liệu riêng tư vào tin nhắn. Trang web này không có biểu mẫu hỗ trợ nào khác, vì vậy nút đó là nơi bắt đầu.