समर्पित परिनियोजन

Roboflow के साथ अपने Vision Models को Dedicated Servers पर चलाएँ

के बारे में

समर्पित परिनियोजन निजी क्लाउड सर्वर होते हैं, जिन्हें Roboflow प्रबंधित करता है, और जो आपके कंप्यूटर विज़न मॉडल तथा Workflows को विशेष रूप से आपके लिए आवंटित संसाधनों पर चलाते हैं। ये आपको अपना खुद का इन्फ्रास्ट्रक्चर प्रावधान या बनाए बिना inference सेवा देने देते हैं, जिसमें प्रति-घंटा बिलिंग और आपके workspace API key के माध्यम से सुरक्षित पहुँच होती है। जब आपको विकास, परीक्षण, या प्रोडक्शन ट्रैफ़िक के लिए सुसंगत, समर्पित प्रदर्शन चाहिए, तब इनका उपयोग करें।

समर्पित परिनियोजन क्या हैं?

समर्पित परिनियोजन Roboflow द्वारा प्रबंधित निजी क्लाउड सर्वर हैं, जिन्हें विशेष रूप से आपके कंप्यूटर विज़न मॉडल चलाने के लिए डिज़ाइन किया गया है। इन मॉडलों में शामिल हो सकते हैं:

• वस्तु पहचान

• छवि विभाजन

• वर्गीकरण

• कीपॉइंट पहचान

• CLIP जैसे foundation मॉडल (यदि Roboflow पर प्रशिक्षित किए गए हों)

• Roboflow Workflows (लो-कोड विज़न एप्लिकेशन)

• ...और कई अन्य!

समर्पित परिनियोजनों के लाभ

• अपने मशीन विज़न बिज़नेस समस्या पर ध्यान दें, इन्फ्रास्ट्रक्चर हमें सौंप दें: कुछ ही क्लिक में inference सर्विंग इन्फ्रास्ट्रक्चर शुरू करें, और इसके लिए क्लाउड प्रदाताओं के साथ साइन अप करने, सर्वर इंस्टॉल और सुरक्षित करने, TLS प्रमाणपत्र प्रबंधित करने, या सर्वर प्रबंधन, पैचिंग, अपडेट आदि की चिंता करने की ज़रूरत नहीं है।

• समर्पित संसाधन: केवल आपके उपयोग के लिए आवंटित क्लाउड सर्वर प्राप्त करें, जिससे आपके मॉडलों के लिए सुसंगत प्रदर्शन सुनिश्चित हो।

• सुरक्षित पहुँच: समर्पित परिनियोजन आपके workspace की विशिष्ट API key के साथ सुलभ होते हैं और सुरक्षित संचार के लिए HTTPS का उपयोग करते हैं।

• आसान एकीकरण: प्रत्येक परिनियोजन को इसके भीतर एक उपडोमेन मिलता है roboflow.cloud, जिससे आपके अनुप्रयोगों के साथ एकीकरण सरल हो जाता है।

• प्रति-घंटा भुगतान: आपसे केवल सर्वर के अस्तित्व की अवधि के लिए शुल्क लिया जाता है (1 मिनट के अंतराल में बिलिंग की जाती है)।

• स्वचालित विराम और पुनः आरंभ: आपका समर्पित परिनियोजन एक कॉन्फ़िगर की जा सकने वाली निष्क्रियता अवधि के बाद अपने आप रुक जाएगा। के लिए dev-cpu या dev-gpu परिनियोजन प्रकारों के लिए, यह अवधि 1 घंटे पर स्थिर है। आपके API key के साथ अनुरोध भेजकर इन्हें जल्दी पुनः शुरू किया जा सकता है। यह सुविधा आपको लागत बचाने में मदद करने के लिए डिज़ाइन की गई है।

वर्तमान सीमाएँ

• सभी समर्पित परिनियोजन वर्तमान में US-आधारित डेटा सेंटरों में होस्ट किए जाते हैं; अन्य भौगोलिक क्षेत्रों के उपयोगकर्ताओं को अधिक लेटेंसी दिखाई दे सकती है। यदि आप US के बाहर हैं, तो कृपया एक अनुकूलित समाधान के लिए हमसे संपर्क करें; हम नेटवर्क लेटेंसी कम करने में आपकी मदद कर सकते हैं।

• समर्पित परिनियोजन Core और Enterprise प्लान वर्कस्पेस के लिए उपलब्ध हैं। देखें Roboflow योजनाएँ.

समर्पित परिनियोजनों के प्रकार

Roboflow 4 अलग-अलग प्रकार के समर्पित परिनियोजन प्रदान करता है, अर्थात dev-cpu, dev-gpu, prod-cpu, और prod-gpu। जहाँ dev-cpu और dev-gpu विकास और परीक्षण उद्देश्यों के लिए बनाए गए हैं और कुछ घंटों बाद अपने आप हटा दिए जाएँगे, वहीं prod-cpu और prod-gpu स्थायी होते हैं, जो आदर्श रूप से बड़े पैमाने के प्रोडक्शन ट्रैफ़िक की सेवा के लिए हैं।

प्रकार	विशेषताएँ
dev-cpu	क्षणिक: 3 घंटे बाद अपने आप हटा दिया जाएगा CPU: मॉडल inference CPU पर किया जा सकता है के लिए आदर्श एकीकरणों का परीक्षण और प्रोटोटाइप बनाना एप्लिकेशन
dev-gpu	क्षणिक: 3 घंटे बाद अपने आप हटा दिया जाएगा एकीकरणों के परीक्षण के लिए आदर्श और प्रोटोटाइप बनाना एप्लिकेशन GPU: मॉडलों को GPU त्वरण की आवश्यकता होती है (जैसे Florence 2) के लिए आदर्श एकीकरणों का परीक्षण और प्रोटोटाइप बनाना एप्लिकेशन
prod-cpu	स्थायी: समर्पित उपडोमेन <some-name>.roboflow.cloud CPU: मॉडल inference CPU पर किया जा सकता है के लिए आदर्श प्रोडक्शन ट्रैफ़िक की सेवा
prod-gpu	स्थायी: समर्पित उपडोमेन <some-name>.roboflow.cloud GPU: मॉडलों को GPU त्वरण की आवश्यकता होती है (जैसे Florence 2) के लिए आदर्श प्रोडक्शन ट्रैफ़िक की सेवा

बिलिंग जानकारी

GPU परिनियोजनों (dev-gpu, prod-gpu) के लिए दर है 1 क्रेडिट/घंटा, जबकि CPU परिनियोजनों (dev-cpu, prod-cpu) के लिए दर है 0.25 क्रेडिट/घंटा.

यदि आप अपने समर्पित परिनियोजन सर्वर को भेजे गए अनुरोधों की संख्या के आधार पर बिलिंग चाहते हैं, तो कृपया हमारी सेल्स टीम से संपर्क करने के लिए यहाँ क्लिक करें.

सभी समर्पित परिनियोजन सर्वर चलाएँगे Roboflow Inference, हमारा ओपन-सोर्स inference सर्वर। Roboflow Inference दस्तावेज़ की समीक्षा करें ताकि उपलब्ध सभी सुविधाओं के बारे में अधिक जान सकें।

उपयोगी लिंक

• समर्पित परिनियोजन कैसे बनाएँ (Roboflow App)

• समर्पित परिनियोजन कैसे बनाएँ (Roboflow CLI)

• समर्पित परिनियोजन का उपयोग कैसे करें

• HTTP API

HTTP API

समर्पित डिप्लॉयमेंट्स प्रबंधित GPU मशीनें हैं जो आपके Roboflow मॉडलों को अनुमानित लेटेंसी और उच्च थ्रूपुट के साथ चलाती हैं। इन्हें https://roboflow.cloud, पर होस्ट की गई एक समर्पित सेवा द्वारा प्रबंधित किया जाता है, जो मुख्य https://api.roboflow.com REST API से अलग है।

यह अनुभाग प्रबंधन endpoints (create, get, list, pause, resume, delete, logs, usage) का दस्तावेज़ीकरण करता है। एक बार परिनियोजन लाइव हो जाए, उस पर inference के लिए देखें छवि पर मॉडल चलाएँ.

के अंतर्गत "edge devices" दस्तावेज़ Deployment Manager एक अलग उत्पाद है। समर्पित परिनियोजन Roboflow की क्लाउड में प्रबंधित GPU मशीनें हैं; Deployment Manager डिवाइस ऑन-प्रेम हार्डवेयर हैं जो चलाते हैं Roboflow Inference.

Base URL: https://roboflow.cloud

api_key को क्वेरी पैरामीटर के रूप में (या POST endpoints के लिए अनुरोध बॉडी में) प्रत्येक अनुरोध पर भेजा जाता है। प्रतिक्रिया कोड जाँचें: यदि यह 200है, तो प्रतिक्रिया बॉडी को JSON ऑब्जेक्ट के रूप में डिकोड करें; अन्यथा, प्रतिक्रिया बॉडी में एक त्रुटि संदेश स्ट्रिंग के रूप में होता है।

उपलब्ध मशीन प्रकार सूचीबद्ध करें

GET /machine_types

curl "https://roboflow.cloud/machine_types?api_key=$ROBOFLOW_API_KEY"

प्रतिक्रिया

{
  "machine_types": [
    { "name": "gpu-small",  "description": "1× T4, 4 vCPU, 16 GB RAM" },
    { "name": "gpu-medium", "description": "1× L4, 8 vCPU, 32 GB RAM" }
  ]
}

एक परिनियोजन बनाएँ

POST /add

बॉडी (JSON)

नाम	प्रकार	विवरण	आवश्यक
api_key	string	वर्कस्पेस API key।
creator_email	string	वर्कस्पेस सदस्य का ईमेल।
deployment_name	string	वर्कस्पेस के भीतर अद्वितीय नाम।
machine_type	string	से /machine_types.
duration	फ़्लोट	स्वचालित सफ़ाई से पहले के घंटे। डिफ़ॉल्ट 3.
delete_on_expiration	boolean	true समाप्ति पर हटाने के लिए; false रोकने के लिए।
inference_version	string	Inference सर्वर संस्करण। डिफ़ॉल्ट नवीनतम.
min_replicas	पूर्णांक	न्यूनतम प्रतिकृतियाँ। डिफ़ॉल्ट 1.
max_replicas	पूर्णांक	अधिकतम प्रतिकृतियाँ। डिफ़ॉल्ट 1.

curl -X POST "https://roboflow.cloud/add" \\
  -H "Content-Type: application/json" \\
  -d '{
    "api_key": "'$ROBOFLOW_API_KEY'",
    "creator_email": "[e-mail]",
    "deployment_name": "my-deployment",
    "machine_type": "gpu-small",
    "duration": 8,
    "delete_on_expiration": true
  }'

परिनियोजन असिंक्रोनस रूप से प्रावधान किया जाता है। पोल करें GET /get जब तक status == "ready".

प्रतिक्रिया उदाहरण

{
	"deployment_id": "IwzJ5YLQ0iDhwzqoh3Ae",
	"deployment_name": "dev-testing",
	"machine_type": "dev-gpu",
	"creator_email": YOUR_EMAIL_ADDRESS,
	"creator_id": YOUR_USER_ID,
	"subdomain": "dev-testing",
	"domain": "dev-testing.roboflow.cloud",
	"duration": 3.0,
	"inference_version": "0.45.0",
	"max_replicas": 1,
	"min_replicas": 1,
	"num_replicas": 0,
	"status": "pending",
	"workspace_id": YOUR_WORKSPACE_ID,
	"workspace_url": YOUR_WORKSPACE_URL
}

प्रतिक्रिया स्कीमा

फ़ील्ड	प्रकार	विवरण
deployment_id	string	परिनियोजन के लिए अद्वितीय पहचानकर्ता।
deployment_name	string	परिनियोजन को दिया गया नाम।
machine_type	string	इनमें से एक dev-cpu, dev-gpu, prod-cpu, prod-gpu.
creator_email	string	परिनियोजन बनाने वाले उपयोगकर्ता का ईमेल।
creator_id	string	से संबंधित उपयोगकर्ता ID creator_email.
subdomain	string	हमेशा वही नहीं होता जैसा deployment_name - यदि उपडोमेन लिया जा चुका है तो एक प्रत्यय जोड़ा जाता है।
domain	string	परिनियोजन endpoint का पूर्ण डोमेन।
duration	फ़्लोट	परिनियोजन कितने घंटे से चल रहा है।
inference_version	string	परिनियोजन पर चल रहा inference सर्वर संस्करण।
min_replicas	पूर्णांक	न्यूनतम प्रतिकृति संख्या।
max_replicas	पूर्णांक	अधिकतम प्रतिकृति संख्या।
num_replicas	पूर्णांक	वर्तमान में उपलब्ध प्रतिकृतियाँ।
status	string	वर्तमान परिनियोजन स्थिति।
workspace_id	string	स्वामी वर्कस्पेस की ID।
workspace_url	string	स्वामी वर्कस्पेस का URL स्लग।

एक परिनियोजन प्राप्त करें

GET /get?api_key=...&deployment_name=...

क्वेरी पैरामीटर

नाम	प्रकार	आवश्यक	विवरण
api_key	string	हाँ	वर्कस्पेस API key।
deployment_name	string	हाँ	प्राप्त करने के लिए परिनियोजन का नाम।

curl "https://roboflow.cloud/get?api_key=$ROBOFLOW_API_KEY&deployment_name=my-deployment"

प्रतिक्रिया (जैसा कि एक परिनियोजन बनाएँ प्रतिक्रिया)

{
  "deployment_name": "my-deployment",
  "status": "ready",
  "machine_type": "gpu-small",
  "public_url": "https://my-deployment.roboflow.cloud",
  "created_at": "2026-05-01T17:05:33.000Z",
  "expires_at": "2026-05-02T01:05:33.000Z"
}

परिनियोजनों की सूची

GET /list?api_key=...

क्वेरी पैरामीटर

नाम	प्रकार	आवश्यक	विवरण
api_key	string	हाँ	वर्कस्पेस API key।
show_expired	string	नहीं	समाप्त हो चुके परिनियोजन शामिल करें। डिफ़ॉल्ट false.
show_deleted	string	नहीं	हटाए गए परिनियोजन शामिल करें। डिफ़ॉल्ट false.

curl "https://roboflow.cloud/list?api_key=$ROBOFLOW_API_KEY"

प्रतिक्रिया

समर्पित परिनियोजन प्रविष्टियों की एक सूची, जहाँ प्रत्येक प्रविष्टि की स्कीमा वही होती है जो एक परिनियोजन बनाएँ प्रतिक्रिया।

[
{
	"deployment_id": "IwzJ5YLQ0iDhwzqoh3Ae",
	"deployment_name": "dev-testing",
	"machine_type": "dev-gpu",
	"creator_email": YOUR_EMAIL_ADDRESS,
	"creator_id": YOUR_USER_ID,
	"subdomain": "dev-testing",
	"domain": "dev-testing.roboflow.cloud",
	"duration": 3.0,
	"inference_version": "0.45.0",
	"max_replicas": 1,
	"min_replicas": 1,
	"num_replicas": 0,
	"status": "pending",
	"workspace_id": YOUR_WORKSPACE_ID,
	"workspace_url": YOUR_WORKSPACE_URL
}
]

लॉग्स

GET /get_log?api_key=...&deployment_name=...&from_timestamp=...&to_timestamp=...&max_entries=...

क्वेरी पैरामीटर

नाम	प्रकार	आवश्यक	विवरण
api_key	string	हाँ	वर्कस्पेस API key।
deployment_name	string	हाँ	लॉग पढ़ने के लिए परिनियोजन।
max_entries	पूर्णांक	नहीं	लौटाई जाने वाली लॉग प्रविष्टियों की संख्या। डिफ़ॉल्ट 50.
from_timestamp	string	नहीं	ISO 8601 आरंभ समय। डिफ़ॉल्ट 1 घंटे पहले।
to_timestamp	string	नहीं	ISO 8601 समाप्ति समय। डिफ़ॉल्ट अभी।

curl "https://roboflow.cloud/get_log?api_key=$ROBOFLOW_API_KEY&deployment_name=my-deployment&max_entries=200"

from_timestamp और to_timestamp ISO-8601 स्ट्रिंग्स हैं। सबसे हाल के लॉग प्राप्त करने के लिए इन्हें छोड़ दें, तक max_entries.

प्रतिक्रिया उदाहरण

[
	{
		"insert_id": "gpwrgrw55p7b9jdq",
		"payload": "INFO:     10.18.0.38:46296 - \"GET /info HTTP/1.1\" 200 OK",
		"severity": "INFO",
		"timestamp": "2025-01-22T13:23:14.209436+00:00"
	},
	{
		"insert_id": "mbieh16zdjvqp81j",
		"payload": "INFO:     10.18.0.38:46294 - \"GET /info HTTP/1.1\" 200 OK",
		"severity": "INFO",
		"timestamp": "2025-01-22T13:23:14.208738+00:00"
	}
]

प्रतिक्रिया स्कीमा

लॉग प्रविष्टियों की एक सूची, जहाँ प्रत्येक प्रविष्टि में निम्न गुण होते हैं:

फ़ील्ड	प्रकार	विवरण
insert_id	string	लॉग प्रविष्टि के लिए अद्वितीय पहचानकर्ता।
payload	string	लॉग सामग्री।
severity	string	लॉग स्तर।
timestamp	string	जब प्रविष्टि लिखी गई थी।

उपयोग

वर्कस्पेस-व्यापी:

GET /usage_workspace?api_key=...&from_timestamp=...&to_timestamp=...

प्रति-परिनियोजन:

GET /usage_deployment?api_key=...&deployment_name=...&from_timestamp=...&to_timestamp=...

curl "https://roboflow.cloud/usage_workspace?api_key=$ROBOFLOW_API_KEY&from_timestamp=2026-04-01T00:00:00Z&to_timestamp=2026-05-01T00:00:00Z"

विराम / पुनः आरंभ / हटाएँ

POST /pause POST /resume POST /delete

बॉडी (JSON)

नाम	प्रकार	आवश्यक	विवरण
api_key	string	हाँ	वर्कस्पेस API key।
deployment_name	string	हाँ	जिस पर कार्रवाई करनी है वह परिनियोजन।

curl -X POST "https://roboflow.cloud/pause" \\
  -H "Content-Type: application/json" \\
  -d '{"api_key": "'$ROBOFLOW_API_KEY'", "deployment_name": "my-deployment"}'

वही बॉडी संरचना /resume और /delete.

प्रतिक्रिया उदाहरण

{
	"message": "OK"
}

Python SDK

समर्पित डिप्लॉयमेंट्स प्रबंधित GPU मशीनें हैं जो आपके Roboflow मॉडलों को अनुमानित लेटेंसी और उच्च थ्रूपुट के साथ चलाती हैं। SDK इन्हें roboflow.adapters.deploymentapi adapter के माध्यम से प्रबंधित करता है - उच्च-स्तरीय Workspace क्लास वर्तमान में deployment methods उपलब्ध नहीं कराती।

प्रत्येक फ़ंक्शन एक (स्थिति_कोड, बॉडी) tuple लौटाता है ताकि आप HTTP परिणाम के आधार पर शाखा बना सकें:

from roboflow.adapters import deploymentapi

status, body = deploymentapi.list_deployment("YOUR_API_KEY")
if status == 200:
    for d in body.get("deployments", []):
        print(d["deployment_name"], d["status"])
else:
    print("विफल:", body)

उपलब्ध मशीन प्रकारों की सूची बनाएं

from roboflow.adapters import deploymentapi

status, body = deploymentapi.list_machine_types("YOUR_API_KEY")
for m in body.get("machine_types", []):
    print(m["name"], m.get("description"))

एक परिनियोजन बनाएँ

status, body = deploymentapi.add_deployment(
    api_key="YOUR_API_KEY",
    creator_email="[e-mail]",          # वर्कस्पेस सदस्य होना चाहिए
    machine_type="gpu-small",
    duration=8,                                # घंटे
    delete_on_expiration=True,
    deployment_name="my-deployment",
    inference_version=None,                    # None → नवीनतम
)

परिनियोजन असिंक्रोनस रूप से प्रावधान किया जाता है। पोल करें get_deployment जब तक status == "ready".

परिनियोजन विवरण प्राप्त करें

status, body = deploymentapi.get_deployment("YOUR_API_KEY", "my-deployment")
print(body["status"], body.get("public_url"))

विराम / पुनः आरंभ / हटाएँ

deploymentapi.pause_deployment("YOUR_API_KEY", "my-deployment")
deploymentapi.resume_deployment("YOUR_API_KEY", "my-deployment")
deploymentapi.delete_deployment("YOUR_API_KEY", "my-deployment")

लॉग्स

import datetime as dt

status, body = deploymentapi.get_deployment_log(
    api_key="YOUR_API_KEY",
    deployment_name="my-deployment",
    from_timestamp=dt.datetime.utcnow() - dt.timedelta(hours=1),
    to_timestamp=dt.datetime.utcnow(),
    max_entries=200,
)
for entry in body.get("logs", []):
    print(entry["timestamp"], entry["message"])

उपयोग

status, ws_usage = deploymentapi.get_workspace_usage(
    api_key="YOUR_API_KEY",
    from_timestamp=dt.datetime(2026, 4, 1),
    to_timestamp=dt.datetime(2026, 5, 1),
)

status, dep_usage = deploymentapi.get_deployment_usage(
    api_key="YOUR_API_KEY",
    deployment_name="my-deployment",
    from_timestamp=dt.datetime(2026, 4, 1),
    to_timestamp=dt.datetime(2026, 5, 1),
)

समर्पित परिनियोजन के विरुद्ध inference चलाना

एक बार परिनियोजन तैयार हो जाए, inference SDK कॉल्स को इसके public_url (जो लौटाया गया है get_deployment):

from inference_sdk import InferenceHTTPClient, InferenceConfiguration

client = InferenceHTTPClient(
    api_url=body["public_url"], api_key="YOUR_API_KEY"
).configure(InferenceConfiguration(api_key_transport="header"))
result = client.infer("photo.jpg", model_id="my-detector/3")

CLI

आप बना, मॉनिटर, और प्रबंधित कर सकते हैं समर्पित डिप्लॉयमेंट्स कमांड लाइन से।

परिनियोजनों की सूची

roboflow deployment list

उपलब्ध मशीन प्रकार सूचीबद्ध करें

roboflow deployment machine-type

एक परिनियोजन बनाएँ

roboflow deployment create <name> -m <machine-type> -e <email>

विकल्प

फ़्लैग	विवरण
-m, --machine-type	मशीन प्रकार (आवश्यक)। चलाएँ deployment machine-type विकल्प देखने के लिए
-e, --email	आपका ईमेल, वर्कस्पेस सदस्य होना चाहिए (आवश्यक)
--duration	घंटों में अवधि (डिफ़ॉल्ट: 3)
--inference-version	Inference server version (डिफ़ॉल्ट: latest)
--no-delete-on-expiration	समाप्त होने पर deployment को रखें
--wait	जब तक deployment तैयार न हो जाए, प्रतीक्षा करें

उदाहरण:

roboflow deployment create my-deployment -m gpu-small -e [e-mail] --duration 8

Deployment विवरण प्राप्त करें

roboflow deployment get <name>

लंबित deployment के तैयार होने की प्रतीक्षा करें:

roboflow deployment get my-deployment --wait

लॉग देखें

roboflow deployment log <name>

रीयल-टाइम में लॉग फ़ॉलो करें:

roboflow deployment log my-deployment -f

विकल्प

फ़्लैग	विवरण
-d, --duration	सेकंड में लॉग विंडो (डिफ़ॉल्ट: 3600)
-n, --tail	अंत से दिखाने वाली पंक्तियाँ (अधिकतम 50, डिफ़ॉल्ट: 10)
-f, --follow	लॉग आउटपुट फ़ॉलो करें

उपयोग सांख्यिकी

पूरे वर्कस्पेस का उपयोग प्राप्त करें:

roboflow deployment usage

किसी विशिष्ट deployment का उपयोग प्राप्त करें:

roboflow deployment usage my-deployment

विकल्प

फ़्लैग	विवरण
--from	प्रारंभ समय (ISO 8601)
--to	समाप्ति समय (ISO 8601)

पॉज़, रेज़्यूम, और डिलीट

roboflow deployment pause my-deployment
roboflow deployment resume my-deployment
roboflow deployment delete my-deployment

JSON आउटपुट

सभी deployment कमांड समर्थन करते हैं --json:

roboflow deployment list --json
roboflow deployment get my-deployment --json