> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/hi/create-and-upload/upload-a-dataset.md).

# डेटासेट अपलोड करें

Python SDK के साथ इमेजों और एनोटेशनों का एक संरचित डेटासेट Roboflow प्रोजेक्ट में अपलोड करें।

यह पेज Python SDK, HTTP API या CLI का उपयोग करके पहले से लेबल किए गए डेटासेट (इमेज और उनके एनोटेशन) को बल्क में इंपोर्ट करने की जानकारी देता है। API के ज़रिए अलग-अलग इमेज अपलोड और प्रबंधित करने के लिए, देखें [इमेज प्रबंधित करें](https://docs.roboflow.com/datasets/hi/manage/manage-images.md).

## Python SDK

`Workspace.upload_dataset()` एक संरचित डेटासेट (इमेज + उनसे मेल खाते एनोटेशन) को Roboflow प्रोजेक्ट पर अपलोड करता है। अगर प्रोजेक्ट मौजूद नहीं है, तो उसे बनाया जाएगा; अन्यथा नई इमेज मौजूदा प्रोजेक्ट में जोड़ दी जाएँगी।

```python
import roboflow

rf = roboflow.Roboflow(api_key="YOUR_API_KEY")
workspace = rf.workspace()

workspace.upload_dataset(
    "./dataset/",                  # किसी संरचित डेटासेट डायरेक्टरी का पथ
    "my-detector",                 # प्रोजेक्ट आईडी (मौजूद न होने पर बनाया जाएगा)
    num_workers=10,
    project_license="MIT",
    project_type="object-detection",
    batch_name=None,
    num_retries=0,
    is_prediction=False,           # समीक्षा की प्रतीक्षा कर रहे मॉडल-जनित एनोटेशन के लिए True
)
```

### पैरामीटर

* `dataset_path` (str) - डेटासेट रूट का पथ।
* `project_name` (str) - गंतव्य प्रोजेक्ट की आईडी। मौजूद न होने पर बनाया जाएगा।
* `num_workers` (int, डिफ़ॉल्ट `10`) - एक साथ होने वाले अपलोड। हमारा सुझाव है कि यह संख्या 25 से अधिक न हो।
* `project_license` (str, डिफ़ॉल्ट `"MIT"`) - नए बनाए गए प्रोजेक्ट का लाइसेंस। निजी प्रोजेक्ट के लिए इसे `"Private"` पर सेट करें।
* `project_type` (str, डिफ़ॉल्ट `"object-detection"`) - नए बनाए गए प्रोजेक्ट का प्रकार। प्रोजेक्ट पहले से मौजूद होने पर इसे अनदेखा किया जाता है।
* `batch_name` (str, वैकल्पिक) - इन अपलोड को किसी नामित बैच के अंतर्गत समूहित करें। लेबलिंग के किसी चरण के स्रोत को ट्रैक करने के लिए उपयोगी।
* `num_retries` (int, डिफ़ॉल्ट `0`) - अस्थायी अपलोड विफलताओं पर फिर से प्रयास करें।
* `is_prediction` (bool, डिफ़ॉल्ट `False`) - एनोटेशन को ग्राउंड ट्रुथ के बजाय समीक्षा की प्रतीक्षा कर रहे मॉडल पूर्वानुमानों के रूप में अपलोड करने के लिए इसे `True` पर सेट करें।

### पूर्वानुमान कहाँ पहुँचते हैं

जब आप ऐसी इमेज पर पूर्वानुमान सहेजते हैं जो अभी भी अपलोड बैच में है, तो Roboflow उस इमेज को बैच के समीक्षा कार्य में ले जाता है। लेबलों को ग्राउंड ट्रुथ बनाने से पहले, उन्हें स्वीकृत करने या ठीक करने के लिए कार्य खोलें।

अगर इमेज पहले से किसी एनोटेशन कार्य को असाइन की गई है, तो वह उसी कार्य में रहती है।

### अपेक्षित डायरेक्टरी लेआउट

COCO डेटासेट के लिए:

```
my_dataset/
├── train/
│   ├── image1.jpg
│   └── _annotations.coco.json
├── valid/
│   ├── image2.jpg
│   └── _annotations.coco.json
└── test/
    ├── image3.jpg
    └── _annotations.coco.json
```

जिस फ़ोल्डर में हर इमेज रखी जाती है, वही उसका स्प्लिट निर्धारित करता है। केवल ये सटीक फ़ोल्डर नाम मान्य हैं: `train`, `training`, `valid`, `validation`, `val`, `test`, और `testing`। बड़े और छोटे अक्षरों में अंतर नहीं किया जाता, और फ़ाइल नामों को अनदेखा किया जाता है। इसलिए, `test_image.jpg` नाम वाली इमेज टेस्ट स्प्लिट में नहीं जाती, और `train2017` नाम वाला फ़ोल्डर कोई स्प्लिट निर्धारित नहीं करता। जब कोई फ़ोल्डर मेल नहीं खाता, तो इमेज अपलोड के डिफ़ॉल्ट स्प्लिट में जाती है: ZIP अपलोड के लिए, यह आपके अनुरोध में दिया गया `split` मान होता है, जिसका डिफ़ॉल्ट मान `train`.

VOC के लिए, हर इमेज के साथ मेल खाने वाली `.xml` फ़ाइलें रखें। YOLO के लिए, मेल खाने वाली `.txt` फ़ाइलें और क्लास सूची का वर्णन करने वाली `data.yaml` फ़ाइल रखें।

### SHA-256 डीडुप पर टिप्पणी (v1.3.6+)

से `roboflow` 1.3.6 के अनुसार, SDK अब Pillow के ज़रिए दोबारा एन्कोड करने के बजाय इमेज के मूल बाइट अपलोड करता है। इससे वेब अपलोडर के साथ समान व्यवहार मिलता है और Roboflow सर्वर SHA-256 के आधार पर अपलोड को डीडुप्लिकेट कर सकता है—एक ही इमेज को दोबारा अपलोड करना (उदाहरण के लिए, किसी दूसरे बैच में) अतिरिक्त स्टोरेज क्रेडिट खर्च किए बिना सफल होता है।

## HTTP API

### डेटासेट ZIP अपलोड करें

एक पूरी डेटासेट को एक ZIP फ़ाइल के रूप में अपलोड करें। Roboflow इसे बैकग्राउंड में प्रोसेस करता है, इसलिए प्रोसेसिंग के दौरान आपको कनेक्शन खुला रखने की ज़रूरत नहीं होती। ZIP में किसी भी समर्थित फ़ॉर्मैट (जैसे COCO, YOLO, Pascal VOC) की इमेज और एनोटेशन हो सकते हैं। क्लासिफ़िकेशन के लिए, फ़ोल्डर के नाम क्लास लेबल बन जाते हैं।

अपलोड तीन चरणों में होता है:

1. अपलोड शुरू करें। जवाब में एक हस्ताक्षरित URL और एक `taskId`.
2. हस्ताक्षरित URL पर ZIP को इस हेडर के साथ PUT करें: `Content-Type: application/zip`। अपलोड पूरा होने पर प्रोसेसिंग शुरू हो जाती है।
3. कार्य की स्थिति `completed` या `failed`.

{% openapi src="/files/8a1006d263d9e81bd17af1759a1ded0756592c17" path="/{workspace}/{project}/upload/zip" method="post" %}
[dataset-zip-upload.yaml](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-25a53c9e468fe23c13da4395e49bc7a5287c5a12%2Fdataset-zip-upload.yaml?alt=media)
{% endopenapi %}

होने तक उसकी स्थिति जाँचते रहें। हस्ताक्षरित URL Google Cloud Storage पर होता है, Roboflow API पर नहीं, इसलिए फ़ाइल वहाँ अपनी API कुंजी के बिना भेजें:

```bash
curl -X PUT "$SIGNED_URL" \
  -H "Content-Type: application/zip" \
  --upload-file ./my-dataset.zip
```

डिफ़ॉल्ट रूप से, यदि कोई इमेज पहले से प्रोजेक्ट में है, तो उसके एनोटेशन बने रहते हैं और ZIP में दिया गया उसका एनोटेशन छोड़ दिया जाता है। उन्हें बदलने के लिए `annotationOverwrite` को `true` पर सेट करें।

अपलोड स्क्रीनिंग में रोकी नहीं गई इमेजों के एनोटेशन सीधे Dataset में जाते हैं, या Review Mode चालू होने पर [समीक्षा मोड](https://docs.roboflow.com/datasets/hi/annotate/annotate/team-collaboration.md#review-mode) समीक्षा जॉब में जाते हैं। बिना एनोटेशन वाली इमेजें लेबलिंग के लिए बैच में शामिल होती हैं। रोकी गई इमेज के एनोटेशन स्क्रीनिंग में मंज़ूरी मिलने पर सहेजे जाते हैं और मंज़ूरी न मिलने पर हटा दिए जाते हैं।

{% openapi src="/files/8a1006d263d9e81bd17af1759a1ded0756592c17" path="/{workspace}/upload/zip/{taskId}" method="get" %}
[dataset-zip-upload.yaml](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-25a53c9e468fe23c13da4395e49bc7a5287c5a12%2Fdataset-zip-upload.yaml?alt=media)
{% endopenapi %}

ZIP टास्क पूरा होने के बाद भी कुछ इमेजें अपलोड स्क्रीनिंग में रोकी जा सकती हैं। इसका `result.screening` काउंट `result.uploaded`में शामिल होता है; ये इमेजें अभी प्रोजेक्ट या Dataset में उपलब्ध नहीं होतीं। स्क्रीनिंग में पास हुई या संशोधित इमेजें बाद में उपलब्ध हो जाती हैं; अस्वीकृत या विफल इमेजें उपलब्ध नहीं होतीं। ZIP के नतीजे में हर इमेज का अंतिम निर्णय नहीं दिया जाता। जब किसी अपलोड से रोकी गई इमेज की ID मिलती है, तो [उसका स्क्रीनिंग निर्णय देखें](https://docs.roboflow.com/datasets/hi/create-and-upload/adding-data.md#check-image-upload-screening), या MCP के ज़रिए `images_screening_status` का इस्तेमाल करें। केवल स्क्रीनिंग निर्णय से Dataset में उपलब्धता की पुष्टि नहीं होती।

ZIP के अंदर की PDFs असमर्थित फ़ॉर्मैट की चेतावनी के साथ छोड़ दी जाती हैं। Action Recognition प्रोजेक्ट को छोड़कर, वीडियो भी इसी तरह छोड़ दिए जाते हैं।

Action Recognition प्रोजेक्ट में, ZIP की 3 GB तक की हर MP4 या MOV वीडियो को वीडियो के रूप में जोड़ा जाता है, ठीक [वीडियो अपलोड](https://docs.roboflow.com/datasets/hi/create-and-upload/adding-data.md#upload-a-video)की तरह। ZIP में मौजूद इमेजें चेतावनी के साथ छोड़ दी जाती हैं। वीडियो को अपलोड के टैग, बैच और स्प्लिट मिलते हैं, और `train`, `valid`, या `test` फ़ोल्डर, इमेजों की तरह ही स्प्लिट तय करता है। प्रत्येक ID का इस्तेमाल `result.videoIds` में [उस वीडियो का स्टेटस जाँचने](https://docs.roboflow.com/datasets/hi/create-and-upload/adding-data.md#upload-a-video)के लिए करें। ZIP के अंदर के वीडियो लेबल इंपोर्ट नहीं किए जाते।

## CLI

आप Roboflow CLI का इस्तेमाल करके इमेजों और/या एनोटेशन वाले डेटासेट अपलोड कर सकते हैं।

हमने डेटासेट अपलोड करने की प्रक्रिया दिखाने वाला एक वीडियो तैयार किया है:

{% embed url="<https://www.loom.com/share/19637984033a466b831af56f9404fa89>" %}

### डायरेक्टरी अपलोड करें

प्रति इमेज समानांतर अपलोड के ज़रिए डेटासेट को एक साथ अपलोड करने के लिए, डायरेक्टरी पाथ के साथ `roboflow image upload` का इस्तेमाल करें:

```bash
roboflow image upload /path/to/dataset/folder -p PROJECT_ID
```

या संक्षिप्त उपनाम का इस्तेमाल करें:

```bash
roboflow upload /path/to/dataset/folder -p PROJECT_ID
```

CLI अपने आप पता लगा लेता है कि पाथ किसी फ़ाइल, डायरेक्टरी या `.zip` फ़ाइल का है। डायरेक्टरी होने पर प्रति इमेज समानांतर अपलोड के साथ बल्क इंपोर्ट शुरू होता है, जब तक कि आप `--zip-upload`.

#### विकल्प

| फ़्लैग                | विवरण                                                 |
| --------------------- | ----------------------------------------------------- |
| `-p`, `--project`     | प्रोजेक्ट ID (ज़रूरी)                                 |
| `-c`, `--concurrency` | समानांतर अपलोड की संख्या (डिफ़ॉल्ट: 10)               |
| `-b`, `--batch`       | अपलोड को समूहित करने के लिए बैच का नाम                |
| `-r`, `--retries`     | विफल अपलोड को N बार फिर से आज़माएँ (डिफ़ॉल्ट: 0)      |
| `-s`, `--split`       | अपलोड की गई सभी छवियों के लिए स्प्लिट को ओवरराइड करें |

विकल्पों के साथ उदाहरण:

```bash
roboflow upload ./my-dataset -p my-project -c 20 -b "april-batch" -r 3
```

### Zip फ़ाइल अपलोड करें

बड़े डेटासेट के लिए या जब आपका डेटासेट पहले से ही पैकेज के रूप में मौजूद हो, तो ज़िप अपलोड का उपयोग करें: `.zip` फ़ाइल। ज़िप अपलोड, Roboflow के एसिंक्रोनस ज़िप अपलोड फ़्लो का उपयोग करते हैं। डिफ़ॉल्ट रूप से, CLI ज़िप फ़ाइल अपलोड करता है और प्रोसेसिंग पूरी होने तक प्रतीक्षा करता है।

यह वही फ़्लो है जिसका दस्तावेज़ीकरण ऊपर [HTTP API](#http-api) में दिया गया है। CLI आपके लिए साइन किए गए URL से अपलोड और टास्क पोलिंग संभालता है।

मौजूदा ज़िप फ़ाइल अपलोड करने के लिए:

```bash
roboflow image upload /path/to/dataset.zip -p PROJECT_ID
```

स्थानीय डायरेक्टरी को क्लाइंट-साइड पर ज़िप करके एसिंक ज़िप फ़्लो से अपलोड करने के लिए, मुख्य कमांड के साथ `--zip-upload` का उपयोग करें:

```bash
roboflow image upload /path/to/dataset/folder -p PROJECT_ID --zip-upload
```

#### ज़िप अपलोड के विकल्प

| फ़्लैग            | विवरण                                                                          |
| ----------------- | ------------------------------------------------------------------------------ |
| `-p`, `--project` | प्रोजेक्ट ID (ज़रूरी)                                                          |
| `--zip-upload`    | डायरेक्टरी को क्लाइंट-साइड पर ज़िप करके एसिंक ज़िप अपलोड फ़्लो से अपलोड करें   |
| `--no-wait`       | प्रोसेसिंग पूरी होने की प्रतीक्षा करने के बजाय, ज़िप अपलोड होते ही तुरंत लौटें |
| `-b`, `--batch`   | अपलोड को समूहित करने के लिए बैच का नाम                                         |
| `-s`, `--split`   | स्प्लिट सेट: train, valid या test                                              |
| `-t`, `--tag`     | अल्पविराम से अलग किए गए टैग नाम                                                |

ज़िप अपलोड विकल्पों के साथ उदाहरण:

```bash
roboflow image upload ./my-dataset.zip -p my-project -s train -t "outdoor,daytime" -b "april-batch"
```

प्रोसेसिंग शुरू करके तुरंत टास्क ID पाने के लिए:

```bash
roboflow image upload ./my-dataset.zip -p my-project --no-wait --json
```

JSON रिस्पॉन्स में एसिंक्रोनस टास्क ID शामिल होती है:

```json
{
  "status": "pending",
  "task_id": "task-123",
  "path": "./my-dataset.zip",
  "project": "my-project",
  "result": {
    "task_id": "task-123",
    "status": "pending"
  }
}
```

ज़िप अपलोड में `--is-prediction`का समर्थन नहीं है। प्रेडिक्शन अपलोड के लिए नियमित प्रति-छवि अपलोड फ़्लो का उपयोग करें।

### समर्थित प्रोजेक्ट प्रकार

आप निम्नलिखित प्रोजेक्ट प्रकारों के लिए डेटा अपलोड कर सकते हैं:

* ऑब्जेक्ट डिटेक्शन
* एकल-लेबल वर्गीकरण
* बहु-लेबल वर्गीकरण
* इंस्टेंस सेगमेंटेशन
* सेमांटिक सेगमेंटेशन
* कीपॉइंट डिटेक्शन

### समर्थित data.yaml फ़ॉर्मैट

CLI डेटासेट अपलोड के दौरान `data.yaml` फ़ाइलों में क्लास नामों की मैपिंग के लिए सूची-शैली और कुंजी-मान जोड़ी—दोनों फ़ॉर्मैट का समर्थन करता है:

```yaml
nc: 3
names: ['Paper', 'Rock', 'Scissors']
```

या

```yaml
nc: 3
names:
  0: कागज़
  1: पत्थर
  2: कैंची
```

### JSON आउटपुट

ऑटोमेशन के लिए, इसका उपयोग करें `--json`:

```bash
roboflow upload ./my-dataset -p my-project --json
```

```json
{"status": "uploaded", "path": "./my-dataset", "project": "my-project"}
```

## MCP सर्वर

अपने AI एजेंट को इससे कनेक्ट करें [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) ताकि ZIP में इमेज और वैकल्पिक एनोटेशन फ़ाइलें अपलोड की जा सकें। अपलोड टास्क की स्थिति जाँचें, स्क्रीनिंग के लिए रोकी गई इमेजों की अलग से जानकारी दें, और ट्रेनिंग से पहले Dataset की तैयारी जाँचें।

<table data-search="false"><thead><tr><th width="290">टूल</th><th>विवरण</th></tr></thead><tbody><tr><td><code>image_upload</code></td><td>इमेज और वैकल्पिक एनोटेशन फ़ाइलों को ZIP में अपलोड करने की तैयारी करें।</td></tr><tr><td><code>image_upload_status</code></td><td>इमेज ZIP अपलोड टास्क की स्थिति जाँचें।</td></tr><tr><td><code>annotations_save</code></td><td>पहले से अपलोड की गई इमेज के लिए एनोटेशन सेव करें।</td></tr><tr><td><code>images_screening_status</code></td><td>रोकी गई किसी एक इमेज ID के लिए स्क्रीनिंग का परिणाम पढ़ें।</td></tr></tbody></table>

## अगले चरण

* जिन इमेजों पर एनोटेशन नहीं है, उन्हें लेबल करें ताकि उनका उपयोग ट्रेनिंग के लिए किया जा सके। देखें [Roboflow Annotate का परिचय](https://docs.roboflow.com/datasets/hi/annotate/annotate/annotation-tools.md).
* अपनी इमेजों को ट्रेनिंग के लिए तैयार स्नैपशॉट में बदलें। देखें [Dataset Version बनाएँ](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/create-a-dataset-version.md).
