> 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/deployment/hi/monitoring-and-analytics/active-learning.md).

# Active Learning

समीक्षा और पुनः प्रशिक्षण के माध्यम से अपने model को लगातार बेहतर बनाने के लिए production inference data एकत्र करें।

## परिचय

Active Learning आपके डिप्लॉय किए गए मॉडल से प्रोडक्शन डेटा इकट्ठा करता है और उसे समीक्षा तथा दोबारा ट्रेनिंग के लिए उपलब्ध कराता है। जब आपका मॉडल प्रोडक्शन में इन्फ़रेंस करता है, तो Active Learning आपके कॉन्फ़िगर किए गए नियमों (जैसे कम-कॉन्फ़िडेंस वाली भविष्यवाणियाँ या विशिष्ट क्लास) के आधार पर इमेज के नमूने अपने-आप चुनता है और उन्हें मानवीय समीक्षा के लिए कतार में लगाता है।

{% hint style="info" %}
Active Learning के लिए क्लाउड डिप्लॉयमेंट ज़रूरी है। यह Annotation Review सुविधा वाले प्लान पर उपलब्ध है।
{% endhint %}

## वेब ऐप

### Active Learning चालू करें

1. अपना Project खोलें और बाईं ओर के साइडबार में "Active Learning" चुनें।
2. Active Learning को चालू करें।

Active Learning द्वारा डेटा इकट्ठा करने के लिए आपके Project में प्रशिक्षित मॉडल और सक्रिय क्लाउड डिप्लॉयमेंट होना चाहिए।

### संग्रहण के नियम कॉन्फ़िगर करें

Active Learning में कॉन्फ़िगरेशन की दो श्रेणियाँ हैं: संग्रहण सीमाएँ और शर्तें।

#### संग्रहण सीमाएँ

Active Learning कितना डेटा इकट्ठा करे, इसे नियंत्रित करें:

* सैंपलिंग दर: सैंपल के लिए चुने जाने वाले इन्फ़रेंस का प्रतिशत (उदा.: 0.5%)
* प्रति मिनट, प्रति घंटे और प्रतिदिन की इमेज सीमाएँ
* कंप्रेशन स्तर और इमेज के अधिकतम आयाम
* बैच दोबारा बनाने की आवृत्ति (दैनिक, साप्ताहिक, मासिक या कभी नहीं)
* इकट्ठा की गई इमेज के साथ मॉडल की भविष्यवाणियाँ सेव करनी हैं या नहीं

इन सेटिंग को संपादित करने के लिए, Collection Limits अनुभाग में "Edit" पर क्लिक करें और कॉन्फ़िगरेशन मोडल में मान अपडेट करें।

#### शर्तें

शर्तें तय करती हैं कि कौन-सी इमेज इकट्ठा होंगी। आप अपने मॉडल के प्रकार के आधार पर नियम बना सकते हैं:

* कॉन्फ़िडेंस की सीमाएँ (उदा.: 60% से कम कॉन्फ़िडेंस वाली इमेज इकट्ठा करें)
* रुचि की विशिष्ट क्लास
* डिटेक्शन की संख्या से जुड़ी आवश्यकताएँ

शर्तें सेट करने के लिए Conditions अनुभाग में "Edit" पर क्लिक करें।

### Agent से Active Learning प्रबंधित करें

आप Active Learning को [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent)में भी प्रबंधित कर सकते हैं। किसी प्रोजेक्ट टैब को खोलें, "Settings" चुनें और इस पेज की तरह ही टॉगल, Collection Limits और Conditions का उपयोग करें। इसके लिए Manage Workflows, Publish Workflows और Dataset Active Learning अनुमतियाँ चाहिए।

### इकट्ठा की गई इमेज की समीक्षा करें

Active Learning द्वारा इमेज इकट्ठा किए जाने पर, वे Active Learning पेज के Images अनुभाग में दिखाई देती हैं। इस पेज पर समीक्षा के लिए तैयार इमेज और इस समय समीक्षा के अधीन इमेज की संख्या दिखाई जाती है।

समीक्षा शुरू करने के लिए:

1. समीक्षा कतार खोलने के लिए "Review Images" पर क्लिक करें।
2. स्थिति (Not Started, In Progress) के अनुसार बैच देखें और उन्हें बनाने की तारीख, इमेज की संख्या या प्रगति के आधार पर क्रमबद्ध करें।
3. समीक्षा शुरू करने के लिए कोई बैच चुनें।

### समीक्षकों को असाइन करें

आप अपनी टीम में समीक्षा का काम बाँट सकते हैं:

1. समीक्षा कतार खोलें और कोई बैच चुनें।
2. समीक्षकों को असाइन करने के लिए क्लिक करें।
3. टीम के सदस्य चुनें, असाइन की जाने वाली इमेज की संख्या तय करें और चाहें तो समीक्षा के निर्देश जोड़ें।
4. हर समीक्षक को मिलने वाली इमेज को बेतरतीब करने के लिए "Shuffle Images" टॉगल चालू करें।

इमेज असाइन किए जाने पर समीक्षकों को सूचना मिलती है। आप किसी भी समय इमेज किसी दूसरे समीक्षक को फिर से असाइन कर सकते हैं।

### आपके ट्रेनिंग लूप में Active Learning की भूमिका

आम तौर पर वर्कफ़्लो इस तरह होता है:

1. मॉडल को ट्रेन करें और डिप्लॉय करें।
2. अपने उपयोग के मामले के अनुसार शर्तें तय करके Active Learning चालू करें।
3. शर्तों से मेल खाने वाला प्रोडक्शन डेटा इकट्ठा करके कतार में लगाया जाता है।
4. समीक्षक इकट्ठा की गई इमेज को लेबल करते हैं।
5. समीक्षा की गई इमेज को अपने डेटासेट में जोड़ें और मॉडल को बेहतर बनाने के लिए उसे फिर से ट्रेन करें।

इससे एक फ़ीडबैक लूप बनता है, जिसमें आपका मॉडल उन मामलों में बेहतर होता है जहाँ उसे सबसे ज़्यादा कठिनाई होती है।

## HTTP API

Active Learning को चालू या बंद करने, संग्रहण के नियम अपडेट करने और समीक्षा कतार में मौजूद इमेज की सूची पाने के लिए HTTP API का उपयोग करें। Active Learning, Project के आधार Workflow के भीतर चलता है, इसलिए हर बदलाव सेव करने पर उस Workflow का नया संस्करण डिप्लॉय होता है।

### Active Learning कॉन्फ़िगरेशन प्राप्त करें

{% openapi src="/files/5773546ae7949328d42800a9f531bd16fc4c87cc" path="/{workspace}/{project}/deploy/active-learning" method="get" %}
[active-learning.yaml](https://2297977984-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-1d8110bcfbedf0930aefd5d2cfc4571776e13736%2Factive-learning.yaml?alt=media)
{% endopenapi %}

### Active Learning चालू करें

अगर Project में कोई मॉडल सेट नहीं है, तो सेवा पहले एक मॉडल चुनती है।

{% openapi src="/files/5773546ae7949328d42800a9f531bd16fc4c87cc" path="/{workspace}/{project}/deploy/active-learning/enable" method="post" %}
[active-learning.yaml](https://2297977984-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-1d8110bcfbedf0930aefd5d2cfc4571776e13736%2Factive-learning.yaml?alt=media)
{% endopenapi %}

### सक्रिय शिक्षण अक्षम करें

{% openapi src="/files/5773546ae7949328d42800a9f531bd16fc4c87cc" path="/{workspace}/{project}/deploy/active-learning/disable" method="post" %}
[active-learning.yaml](https://2297977984-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-1d8110bcfbedf0930aefd5d2cfc4571776e13736%2Factive-learning.yaml?alt=media)
{% endopenapi %}

### सक्रिय शिक्षण कॉन्फ़िगरेशन अपडेट करें

नए प्रोजेक्ट पर कॉन्फ़िगर करने से पहले सक्रिय शिक्षण सक्षम करें। हर बार पूरा `collectionLimits` ऑब्जेक्ट भेजें: जिन वैकल्पिक फ़ील्ड को आप छोड़ते हैं, वे हटा दिए जाते हैं।

{% openapi src="/files/5773546ae7949328d42800a9f531bd16fc4c87cc" path="/{workspace}/{project}/deploy/active-learning/configuration" method="post" %}
[active-learning.yaml](https://2297977984-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-1d8110bcfbedf0930aefd5d2cfc4571776e13736%2Factive-learning.yaml?alt=media)
{% endopenapi %}

### सक्रिय शिक्षण इमेजों की सूची बनाएँ

{% openapi src="/files/5773546ae7949328d42800a9f531bd16fc4c87cc" path="/{workspace}/{project}/deploy/active-learning/images" method="get" %}
[active-learning.yaml](https://2297977984-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-1d8110bcfbedf0930aefd5d2cfc4571776e13736%2Factive-learning.yaml?alt=media)
{% endopenapi %}

## Python SDK

`Workspace.active_learning()` किसी डायरेक्टरी की हर इमेज पर इन्फ़रेंस चलाता है और शर्तों के आधार पर इमेज (और उसकी भविष्यवाणी) को किसी गंतव्य प्रोजेक्ट पर अपलोड करता है। यह SDK का अंतर्निहित सक्रिय-शिक्षण लूप है: अपने मौजूदा मॉडल से यह तय करवाकर कि किन इमेजों पर लेबल लगाना उपयोगी होगा, कच्चे फ़ुटेज से लेबलिंग कतार तैयार करें।

उत्पादन में उपयोग के लिए इसी पैटर्न को [Workflow](https://docs.roboflow.com/workflows/manage/manage-workflows#python-sdk) के रूप में बनाना बेहतर है, लेकिन `active_learning()` "मेरे पास फ़्रेमों का एक फ़ोल्डर है" से "किसी प्रोजेक्ट में जा रहा लेबल किया गया डेटा" तक पहुँचने का सबसे तेज़ तरीका है।

### बुनियादी उपयोग

```python
import roboflow

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

ws.active_learning(
    raw_data_location="./frames",
    raw_data_extension=".jpg",
    inference_endpoint=["my-detector", 3],   # [project, version]
    upload_destination="my-detector",         # destination project
    conditionals={
        "required_class_variance_count": 1,           # कम से कम 1 अलग-अलग क्लास
        "minimum_size_requirement": 100,              # प्रति डिटेक्शन न्यूनतम पिक्सेल
        "maximum_size_requirement": 4000000,
        "confidence_interval": [0, 60],               # केवल कम-कॉन्फ़िडेंस वाली भविष्यवाणियाँ
    },
)
```

#### पैरामीटर

* `raw_data_location` (str) - इनपुट इमेजों की डायरेक्टरी।
* `raw_data_extension` (str) - मेल खाने वाला इमेज एक्सटेंशन (जैसे `.jpg`, `.png`).
* `inference_endpoint` (list, `[project, version]`) - ट्राइएज चरण में चलाया जाने वाला मॉडल।
* `upload_destination` (str) - योग्य इमेजों और भविष्यवाणियों को अपलोड करने के लिए प्रोजेक्ट ID। अक्सर यह मॉडल वाला ही प्रोजेक्ट होता है।
* `conditionals` (dict) - वे नियम जो तय करते हैं कि कोई इमेज अपलोड होगी या नहीं। सामान्य कुंजियाँ:
  * `confidence_interval` - `[min, max]`; केवल वे इमेज आगे भेजी जाती हैं जिनके डिटेक्शन इस सीमा में आते हैं।
  * `required_class_variance_count` - आवश्यक अलग-अलग क्लासों की न्यूनतम संख्या।
  * `minimum_size_requirement` / `maximum_size_requirement` - पिक्सेल में डिटेक्शन क्षेत्र के आधार पर फ़िल्टर करें।
  * `required_class_count` - कुल डिटेक्शन।
* `use_localhost` (bool, डिफ़ॉल्ट `False`) - जब `True`, होस्ट की गई इन्फ़रेंस के बजाय सेल्फ़-होस्ट किए गए [Roboflow Inference](https://docs.roboflow.com/deployment/hi/self-hosted/self-hosted.md) सर्वर का उपयोग करें।
* `local_server` (str) - स्थानीय इन्फ़रेंस सर्वर का बेस URL। डिफ़ॉल्ट है `http://localhost:9001/`.

### इसे क्यों इस्तेमाल करें

सामान्य प्रक्रिया:

1. छोटे लेबल वाले डेटा सेट पर v1 मॉडल को ट्रेन करें।
2. को `active_learning()` बिना लेबल वाले प्रोडक्शन डेटा के फ़ोल्डर पर लागू करें।
3. केवल उन्हीं इमेज को भेजें जिनके बारे में मॉडल अनिश्चित है (कम कॉन्फ़िडेंस) या जिनमें उसे दुर्लभ क्लास दिखाई देती हैं।
4. उन इमेज को Roboflow वेब ऐप में लेबल करें।
5. नए उदाहरणों के साथ v2 जनरेट करें और फिर से ट्रेन करें।

ट्यूनिंग `conditionals` ही इसे "सब कुछ अपलोड करें" से बदलकर एक वास्तविक प्राथमिकता-निर्धारण नीति बनाता है।

### बड़ी पाइपलाइनें

अगर आपका इनपुट वीडियो स्ट्रीम है, आपका मॉडल Workflow के पीछे चलता है, या आप बैचिंग और रीट्राइज़ चाहते हैं, तो इसका समकक्ष एक [Workflow](https://docs.roboflow.com/workflows/manage/manage-workflows#python-sdk). `active_learning()` स्थिर फ़ोल्डर से एक बार किए जाने वाले शुरुआती बूटस्ट्रैपिंग के लिए सबसे उपयुक्त है।

## MCP Server

अपने AI एजेंट को [MCP Server](https://docs.roboflow.com/agents/mcp-server) से कनेक्ट करें और वह इन टूल की मदद से Active Learning सेट अप कर सकता है:

<table data-search="false"><thead><tr><th width="290">टूल</th><th>विवरण</th></tr></thead><tbody><tr><td><code>project_deployment_enable_active_learning</code></td><td>किसी Project Deployment के लिए Active Learning सक्षम करें।</td></tr><tr><td><code>project_deployment_configure_active_learning</code></td><td>कॉन्फ़िगर करें कि कोई डिप्लॉयमेंट Active Learning डेटा कैसे इकट्ठा करे।</td></tr><tr><td><code>project_deployment_disable_active_learning</code></td><td>Active Learning डेटा संग्रह रोकें।</td></tr><tr><td><code>project_deployment_list_review_queues</code></td><td>प्रोडक्शन इन्फ़रेंस से भरी गई समीक्षा कतारों की सूची देखें।</td></tr></tbody></table>
