> 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/versions/dataset-versions/create-a-dataset-version.md).

# डेटासेट संस्करण बनाएं

मॉडल प्रशिक्षण में उपयोग के लिए डेटासेट संस्करण बनाएं।

## के बारे में

एक संस्करण आपके डेटासेट का समय-विशिष्ट स्नैपशॉट होता है। हम इन संस्करणों को इसलिए रखते हैं क्योंकि आपके मॉडल के प्रत्येक iteration में किन images, preprocessing, और augmentation steps का उपयोग हुआ था, इसे ठीक-ठीक ट्रैक करके आप परिणामों को पुन: उत्पन्न करने की क्षमता बनाए रखते हैं। इससे आप विभिन्न models और frameworks में वैज्ञानिक रूप से परीक्षण कर सकते हैं, और भरोसा रहता है कि परिणाम मॉडल में हुए बदलावों के कारण हैं, न कि data pipeline में किसी bug/change के कारण।

<a href="https://docs.roboflow.com/platform/workspaces/key-concepts" class="button primary">मुख्य अवधारणाएँ: Workspaces और Projects क्या हैं?</a>

{% hint style="info" %}
एक बार संस्करण बन जाने पर, वह समय में स्थिर हो जाता है, जिसका अर्थ है कि प्रोजेक्ट में किए गए बदलाव—चाहे वे images, annotations, या अन्य data को जोड़ना/हटाना हों—पहले बनाए गए संस्करणों को प्रभावित नहीं करेंगे।
{% endhint %}

## वेब ऐप

### डेटासेट संस्करण कैसे बनाएं

डेटासेट संस्करण बनाने के लिए, अपने Roboflow project से जुड़े sidebar में "Versions" पर क्लिक करें। फिर, "Generate New Version" पर क्लिक करें।

इस पेज से, आप train/test/valid split सेट कर सकते हैं और अपने नए dataset version के लिए preprocessing steps और augmentations निर्दिष्ट कर सकते हैं।

<figure><img src="https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-15210ee011b26459ed30a427ac60bdfb85934980%2FScreenshot%202023-06-22%20at%2015.37.50.png?alt=media" alt="" width="375"><figcaption></figcaption></figure>

जब आप अपने data पर लागू करने के लिए preprocessing steps और augmentations निर्दिष्ट कर लेते हैं, तो "Generate" पर क्लिक करें। इससे एक नया dataset version बनेगा। फिर आप इस dataset version का उपयोग Roboflow में एक model train करने के लिए कर सकते हैं। आप यह भी [अपने dataset को export कर सकते हैं](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/exporting-data.md) ताकि इसे manually model training में उपयोग किया जा सके।

### ट्रेन/वैलिडेशन/टेस्ट स्प्लिट्स को पुनः समायोजित करना

संस्करण निर्माण प्रक्रिया के दौरान, आप अपने training, validation और test set split के संतुलन को भी पुनः समायोजित कर सकते हैं। ऐसा करने के लिए, "Step 2: Train/Test Split" पर जाएं और "Rebalance" बटन पर क्लिक करें।

<figure><img src="https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-4c91693393b132f1503c086f5ebf67f27dd9a4b9%2Fimage%20(342).png?alt=media" alt="" width="375"><figcaption></figcaption></figure>

अनुशंसित split 70/20/10 (train/valid/test) है, जो अधिकांश datasets के लिए एक मजबूत शुरुआती बिंदु है। किसी भी समय इसे पुनर्स्थापित करने के लिए "Reset" पर क्लिक करें।

train, validation, और test प्रतिशत सेट करें, फिर चुनें कि images को कैसे पुनः आवंटित किया जाए:

* "Move as few as possible" images को उनके वर्तमान split में बनाए रखता है और केवल target प्रतिशत तक पहुँचने के लिए जितना आवश्यक हो उतना ही स्थानांतरित करता है।
* "Random shuffle" हर image को splits के बीच यादृच्छिक रूप से पुनः आवंटित करता है।
* "Random shuffle per upload batch or annotation job" प्रत्येक upload batch या पूर्ण हो चुके annotation job को अलग-अलग shuffle करता है, ताकि हर batch और job target percentages से मेल खाए।

आप rebalance को विशिष्ट classes तक सीमित भी कर सकते हैं। classes चुनने से स्थानांतरण केवल उन images तक सीमित हो जाते हैं जिनमें केवल वही classes होती हैं, और method "Move as few as possible" में बदल जाता है।

बड़े datasets के लिए, rebalance एक background task के रूप में per-phase progress के साथ चलता है। आप dialog को dismiss कर सकते हैं जबकि यह जारी रहता है, और Activity Center में इसे track कर सकते हैं।

## HTTP API

### Train/Validation/Test Splits को Rebalance करें

एक POST request बनाकर Project के splits को rebalance करें `/:workspace/:project/splits/rebalance` endpoint पर। इससे Project पर ही splits बदल जाते हैं, इसलिए अगला version जो आप generate करेंगे, वह नए balance का उपयोग करेगा।

rebalance हमेशा background task के रूप में चलता है। Request लौटाती है `202 स्वीकृत` एक task ID और एक polling URL के साथ। लौटाए गए `url`, या कॉल करें `GET /:workspace/asynctasks/:id` के साथ `taskId`, जब तक task पूरा नहीं हो जाता।

कॉल करने वाली API key के पास `project:update` scope और Workspace में splits संपादित करने की अनुमति होनी चाहिए।

**उदाहरण अनुरोध**

```bash
$ curl --location "https://api.roboflow.com/my-workspace/my-project/splits/rebalance?api_key=$ROBOFLOW_API_KEY" \\
--header 'Content-Type: application/json' \\
--data '{
    "splits": { "train": 70, "valid": 20, "test": 10 }
}'
```

**पैरामीटर**

```
- splits (object) - आवश्यक। train, valid, और test के लक्ष्य मान, जिनमें से प्रत्येक एक non-negative integer हो। मान सापेक्ष हैं, इसलिए 70/20/10 का अर्थ 70%/20%/10% है। कम से कम एक मान 0 से बड़ा होना चाहिए।
- mode (string) - "rebalance" (डिफ़ॉल्ट) जितनी कम images संभव हों उतनी स्थानांतरित करता है। "shuffle" हर image को यादृच्छिक रूप से पुनः आवंटित करता है।
- grouping (string) - केवल "shuffle" mode के साथ उपयोग किया जाता है। "global" (डिफ़ॉल्ट) पूरे Project को shuffle करता है। "batch" हर upload batch और पूर्ण हो चुके annotation job को अलग-अलग shuffle करता है।
- classes (array of strings) - rebalance को केवल उन images तक सीमित करें जिनमें सिर्फ़ ये classes हों। अन्य classes वाली images अपने वर्तमान split में बनी रहती हैं।
```

**उदाहरण प्रतिक्रिया**

```json
{
    "taskId": "abc123",
    "url": "https://api.roboflow.com/my-workspace/asynctasks/abc123"
}
```

## Python SDK

एक version प्रोजेक्ट के labeled data के स्नैपशॉट को, लागू किए गए preprocessing और augmentation steps के चुने हुए सेट के साथ, स्थिर कर देता है। सीधे project पर train करने के बजाय, version के विरुद्ध train करें।

`Project.generate_version()` नया version number लौटाता है, जिसे आप `project.version(...)` प्राप्त करने के लिए `Version` handle।

```python
import roboflow

rf = roboflow.Roboflow(api_key="YOUR_API_KEY")
project = rf.workspace().project("my-detector")

new_version = project.generate_version(settings={
    "preprocessing": {
        "auto-orient": True,
        "resize": {"width": 640, "height": 640, "format": "Stretch to"},
    },
    "augmentation": {},
})
version = project.version(new_version)
```

`augmentation.image.versions` अधिकतम version size multiplier है, और आपका plan इसे सीमित करता है। यदि आप इसे इससे अधिक सेट करते हैं, तो generation विफल हो जाती है। देखें [ऑग्मेंटेशन सीमित करना](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/image-augmentation.md#limiting-augmentations).

यहाँ settings का एक पूर्ण उदाहरण दिया गया है। नीचे प्रत्येक property के लिए विस्तृत स्पष्टीकरण दिया गया है।

```json
{
    "versionName": "Raccoons",
    "augmentation": {
        "bbblur": { "pixels": 1.5 },
        "bbbrightness": { "brighten": true, "darken": false, "percent": 91 },
        "bbcrop": { "min": 12, "max": 71 },
        "bbexposure": { "percent": 30 },
        "bbflip": { "horizontal": true, "vertical": false },
        "bbnoise": { "percent": 50 },
        "bbninety": { "clockwise": true, "counter-clockwise": false, "upside-down": false },
        "bbrotate": { "degrees": 45 },
        "bbshear": { "horizontal": 45, "vertical": 45 },
        "blur": { "pixels": 1.5 },
        "brightness": { "brighten": true, "darken": false, "percent": 91 },
        "crop": { "min": 12, "max": 71 },
        "cutout": { "count": 26, "percent": 71 },
        "exposure": { "percent": 30 },
        "flip": { "horizontal": true, "vertical": false },
        "hue": { "degrees": 180 },
        "image": { "versions": 32 },
        "mosaic": true,
        "ninety": { "clockwise": true, "counter-clockwise": false, "upside-down": false },
        "noise": { "percent": 50 },
        "rgrayscale": { "percent": 50 },
        "rotate": { "degrees": 45 },
        "saturation": { "percent": 50 },
        "shear": { "horizontal": 45, "vertical": 45 }
    },
    "preprocessing": {
        "auto-orient": true,
        "contrast": { "type": "Contrast Stretching" },
        "filter-null": { "percent": 50 },
        "filter-tags": { "tag_name": true, "other_tag": false },
        "grayscale": true,
        "isolate": true,
        "remap": { "original_class_name": "new_class_name" },
        "resize": { "width": 200, "height": 200, "format": "Stretch to" },
        "static-crop": { "x_min": 10, "x_max": 90, "y_min": 10, "y_max": 90 },
        "tile": { "rows": 2, "columns": 2 }
    }
}
```

`टाइल` यह fixed tile modes भी लेता है: `{"mode": "fixed_size", "tileWidth": 640, "tileHeight": 640, "overlap": 5, "padding": "black"}` या `{"mode": "fixed_aspect", "aspectRatio": 1, "span": "width", "overlap": 5, "padding": "black"}`. देखें [टाइल](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/image-preprocessing.md#tile).

## MCP सर्वर

अपने AI एजेंट को इससे कनेक्ट करें [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) और यह इन टूल्स के साथ एक dataset version बना सकता है:

<table data-search="false"><thead><tr><th width="290">टूल</th><th>विवरण</th></tr></thead><tbody><tr><td><code>versions_generate</code></td><td>वैकल्पिक प्रीप्रोसेसिंग और ऑगमेंटेशन के साथ एक संस्करण बनाएं।</td></tr><tr><td><code>versions_get</code></td><td>स्प्लिट और उसके प्रशिक्षणों सहित संस्करण की जानकारी प्राप्त करें।</td></tr><tr><td><code>datasets_rebalance_splits</code></td><td>train, valid, और test splits का async rebalance क्यू में जोड़ें।</td></tr><tr><td><code>async_tasks_get</code></td><td>rebalance task के समाप्त होने तक उसे poll करें।</td></tr></tbody></table>
