> 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/self-hosted/inference-server/configuration/environment-variables.md).

# Inference Server Environment Variables

Environment variables जो self-hosted Roboflow Inference server को नियंत्रित करते हैं - execution providers, caching, Workflows, Roboflow API retries, telemetry, HTTPS, और security।

इन्फ़रेंस सर्वर का व्यवहार कई पर्यावरण चरों से नियंत्रित होता है। हर चर की परिभाषा यहाँ दी गई है [`inference/core/env.py`](https://github.com/roboflow/inference/blob/main/inference/core/env.py); नीचे दिए गए चरों के लिए अतिरिक्त स्पष्टीकरण आवश्यक है।

इन्हें कंटेनर में `-e` के साथ पास करें (सबसे अधिक बदली जाने वाली सेटिंग के लिए [Docker कॉन्फ़िगरेशन विकल्प](https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/docker-configuration.md) देखें):

```bash
docker run -it --rm -e ENV_VAR_NAME=env_var_value -p 127.0.0.1:9001:9001 roboflow/roboflow-inference-server-cpu:latest
```

{% hint style="info" %}
ये चर इन्फ़रेंस सर्वर को कॉन्फ़िगर करते हैं। Roboflow CLI और Python SDK अलग, छोटे चर-समूह को पढ़ते हैं (`ROBOFLOW_API_KEY`, `ROBOFLOW_CONFIG_DIR`और अन्य): संदर्भ अनुभाग में [पर्यावरण चर](https://docs.roboflow.com/reference/environment-variables) देखें।
{% endhint %}

हाल की सुरक्षा सेटिंग के स्रोत और रिलीज़ के दायरे के लिए, देखें [सुरक्षा कॉन्फ़िगरेशन माइग्रेशन](https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security-migration.md#release-status).

## निष्पादन और मॉडल

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>ONNXRUNTIME_EXECUTION_PROVIDERS</td><td>प्राथमिकता क्रम में निष्पादन प्रदाताओं की सूची। यदि कोई प्रदाता आपके प्लेटफ़ॉर्म पर समर्थित नहीं है, तो चेतावनी दिखाई जाती है।</td><td>देखें <a href="https://github.com/roboflow/inference/blob/main/inference/core/env.py">env.py</a></td></tr><tr><td>RUNS_ON_JETSON</td><td>क्या इन्फ़रेंस Jetson डिवाइस पर चलता है। Jetson आर्किटेक्चर के लिए सभी Docker बिल्ड में इसे True पर सेट करें।</td><td>False</td></tr><tr><td>MODEL_VALIDATION_DISABLED</td><td>परीक्षण इन्फ़रेंस को छोड़कर मॉडल लोड करने की प्रक्रिया तेज़ करता है।</td><td>False</td></tr><tr><td>MAX_CONCURRENT_INFERENCE_REQUESTS</td><td>प्रति वर्कर एक साथ प्रोसेस किए जाने वाले HTTP अनुरोधों की अधिकतम संख्या; अतिरिक्त अनुरोध कतार में प्रतीक्षा करते हैं। अनुरोधों के अचानक बढ़ने पर सर्वर को मेमोरी समाप्त होने से बचाता है। 0 सीमा को निष्क्रिय करता है।</td><td>0</td></tr><tr><td>CONCURRENT_INFERENCE_REQUESTS_QUEUE_TIMEOUT</td><td>कतार में रखा अनुरोध खाली स्लॉट मिलने तक जितने सेकंड प्रतीक्षा करता है; इसके बाद सर्वर 503 के साथ <code>Retry-After: 1</code>का जवाब देता है। सीमा पहुँचने पर 0 अनुरोध को तुरंत अस्वीकार करता है।</td><td>30</td></tr><tr><td>SAM2_MAX_EMBEDDING_CACHE_SIZE</td><td>GPU मेमोरी में रखे जाने वाले SAM2 एम्बेडिंग की संख्या। हर एम्बेडिंग 16777216 बाइट लेती है।</td><td>100</td></tr><tr><td>SAM2_MAX_LOGITS_CACHE_SIZE</td><td>CPU मेमोरी में रखे जाने वाले SAM2 लॉजिट की संख्या। हर लॉजिट 262144 बाइट लेता है।</td><td>1000</td></tr><tr><td>DISABLE_SAM2_LOGITS_CACHE</td><td>SAM2 लॉजिट की कैशिंग निष्क्रिय करता है। यह डिबगिंग या मेमोरी का उपयोग कम करने के लिए उपयोगी है, लेकिन इससे मिलते-जुलते अनुरोधों को बार-बार प्रोसेस करने की गति कम हो जाती है।</td><td>False</td></tr></tbody></table>

## `inference-models` बैकएंड

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>USE_INFERENCE_MODELS</td><td>inference-models बैकएंड चुनता है; इमेज इसे ओवरराइड कर सकती हैं।</td><td>कोर लाइब्रेरी में False</td></tr><tr><td>ALLOW_INFERENCE_MODELS_DIRECTLY_ACCESS_LOCAL_PACKAGES</td><td>स्थानीय मॉडल पैकेज और उनमें शामिल कोड को अनुमति देता है। ऑनलाइन मॉडल प्राधिकरण के साथ संगत नहीं है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/model-security.md">मॉडल पैकेज की सुरक्षा</a>.</td><td>False</td></tr><tr><td>ALLOW_INFERENCE_MODELS_UNTRUSTED_PACKAGES</td><td>अविश्वसनीय के रूप में वर्गीकृत डाउनलोड किए गए पैकेजों को अनुमति देता है। सीधे स्थानीय लोडिंग से अलग; देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security-migration.md#model-package-trust">इमेज माइग्रेशन के डिफ़ॉल्ट</a>.</td><td>कोर लाइब्रेरी में False; इमेज पर निर्भर</td></tr><tr><td>MAX_INFERENCE_MODELS_CACHE_SIZE_MB</td><td>इन्फ़रेंस-मॉडल कैश वॉचडॉग सक्षम करता है। 0 से अधिक पर सेट होने पर, वॉचडॉग सिस्टम में समय के साथ डिस्क स्थान समाप्त होने से रोकने के लिए मॉडल आर्टिफ़ैक्ट हटाता है (पहले सबसे पुराने और सबसे बड़े)। यह केवल USE_INFERENCE_MODELS=True होने पर लागू होता है।</td><td>-1</td></tr><tr><td>INFERENCE_MODELS_CACHE_WATCHDOG_INTERVAL_MINUTES</td><td>इन्फ़रेंस-मॉडल कैश वॉचडॉग चक्रों की आवृत्ति। न्यूनतम 15 मिनट है।</td><td>60</td></tr><tr><td>ENABLE_CUDA_MEMORY_RECLAMATION_WATCHDOG</td><td>एक बैकग्राउंड डेमन सक्षम करता है, जो समय-समय पर कैश में मौजूद लेकिन उपयोग में न आने वाली CUDA मेमोरी को torch.cuda.empty_cache() के ज़रिए ड्राइवर को वापस करता है। PyTorch का कैशिंग एलोकेटर मुक्त किए गए डिवाइस ब्लॉक्स को अपने पूल में रखता है और उन्हें स्वयं कभी रिलीज़ नहीं करता। इसलिए लंबे समय तक चलने वाले सर्वर पर समवर्ती या बैच्ड इन्फ़रेंस का उच्चतम उपयोग-स्तर बना रहता है और आरक्षित VRAM केवल बढ़ती जाती है। यह वॉचडॉग तय अंतराल पर उस अतिरिक्त मेमोरी को पुनः प्राप्त करता है; सक्रिय एलोकेशन को नहीं छेड़ा जाता। यह वास्तव में क्षमता से अधिक समवर्ती पीक के कारण होने वाले OOM को नहीं रोकता। CUDA पर USE_INFERENCE_MODELS=True होने पर ही उपयोगी है।</td><td>False</td></tr><tr><td>CUDA_MEMORY_RECLAMATION_WATCHDOG_INTERVAL_SECONDS</td><td>CUDA मेमोरी वॉचडॉग के पुनःप्राप्ति चक्रों के बीच का अंतराल। न्यूनतम 5 सेकंड है (इससे कम मानों को बढ़ाकर 5 सेकंड कर दिया जाता है)। यह केवल ENABLE_CUDA_MEMORY_RECLAMATION_WATCHDOG=True होने पर लागू होता है।</td><td>300</td></tr></tbody></table>

## वर्कफ़्लो और वीडियो

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>ENABLE_WORKFLOWS_PROFILING</td><td>सर्वर को Workflows प्रोफ़ाइलर ट्रेस क्लाइंट को लौटाने की अनुमति देता है।</td><td>False</td></tr><tr><td>WORKFLOWS_PROFILER_BUFFER_SIZE</td><td>प्रोफ़ाइलर बफ़र का आकार: बफ़र में ट्रेस किए गए लगातार Workflows Execution Engine run(...) इनवोकेशन की संख्या।</td><td>64</td></tr><tr><td>WORKFLOWS_DEFINITION_CACHE_EXPIRY</td><td>मेमोरी या Redis में Workflow परिभाषाओं को कैश करने के सेकंडों की संख्या। फ़ाइल कैश की अवधि समाप्त नहीं होती।</td><td>900 (15 मिनट)</td></tr><tr><td>ENABLE_STREAM_API</td><td>एकीकृत वीडियो प्रबंधन API सक्षम करता है। मानक CPU, GPU और TensorRT इमेज, साथ ही JetPack 5.1.1 और 6.2.0 इमेज, इसे True पर सेट करती हैं; slim इमेज और JetPack 6.0.0 तथा 7.1.0 इमेज ऐसा नहीं करतीं। अपनी पिन की गई इमेज की जाँच करें।</td><td>कोर लाइब्रेरी में False; सूचीबद्ध इमेज में True</td></tr><tr><td>STREAM_API_PRELOADED_PROCESSES</td><td>तैयार और निष्क्रिय वीडियो वर्करों की लक्षित संख्या, जिससे GPU पर वर्कर शुरू होने का समय घटता है। इमेज इस मान को बदल सकती हैं।</td><td>कोर लाइब्रेरी में 0</td></tr><tr><td>STREAM_MANAGER_MAX_ACTIVE_PIPELINES</td><td>निष्क्रिय वर्करों सहित, प्रबंधित पाइपलाइन प्रक्रियाओं की अधिकतम सीमा। इस सीमा से अधिक नया वर्कर चाहने वाले अनुरोध अस्वीकार किए जाते हैं। यदि STREAM_API_PRELOADED_PROCESSES का मान इससे अधिक है, तो सीमा उतनी बढ़ा दी जाती है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/video-configuration.md">वीडियो कॉन्फ़िगरेशन</a>.</td><td>8</td></tr><tr><td>STREAM_MANAGER_MAX_RAM_MB</td><td>स्ट्रीम मैनेजर और उसके वर्करों के लिए कुल RAM बजट। अनुमानित कुल इसके पार होने पर नए वर्कर शुरू करने से मना किया जाता है। यह अनुमान-आधारित सुरक्षा है, सख्त मेमोरी सीमा नहीं।</td><td>सेट नहीं (RAM की कोई सीमा नहीं)</td></tr><tr><td>ALLOW_UNSAFE_GSTREAMER_PIPELINES</td><td>लंबित runtime-hardening बिल्ड में विश्वसनीय रॉ पाइपलाइनों के लिए मीडिया-संदर्भ सत्यापन को बायपास करता है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security-migration.md#video-source-validation">माइग्रेशन का दायरा</a>.</td><td>उस बिल्ड में False</td></tr><tr><td>ALLOW_CUSTOM_PYTHON_EXECUTION_IN_WORKFLOWS</td><td>Custom Python को स्थानीय रूप से चलाने की अनुमति देता है। Modal निष्पादन को अक्षम नहीं करता।</td><td>True</td></tr><tr><td>WORKFLOWS_CUSTOM_PYTHON_EXECUTION_MODE</td><td>स्थानीय या Modal Custom Python निष्पादन चुनता है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security-migration.md#offline-custom-python">ऑफ़लाइन माइग्रेशन का व्यवहार</a>.</td><td>स्थानीय</td></tr><tr><td>ALLOW_WEBHOOK_WORKFLOWS_SINK_TO_NON_GLOBAL_ADDRESSES</td><td>Webhook Sink को लूपबैक, निजी, लिंक-लोकल और अन्य गैर-वैश्विक पतों से कनेक्ट करने की अनुमति देता है। जब अविश्वसनीय कॉलर वेबहुक गंतव्य चुन सकते हों, तो इसे False पर सेट करें। किसी भी मान पर रीडायरेक्ट और HTTP(S) प्रॉक्सी अस्वीकार किए जाते हैं। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security.md#restrict-webhook-sink-destinations">सर्वर सुरक्षा</a>.</td><td>True</td></tr></tbody></table>

## GPU टेन्सर पाइपलाइन

सक्षम NVIDIA GPU पर, Workflows वीडियो डिकोड से लेकर मॉडल इन्फ़रेंस और आउटपुट तक छवि डेटा को CPU के बजाय GPU पर रख सकता है। इससे GPU-गहन वीडियो Workflows की विलंबता घटती है। इसके लिए आवश्यक है `USE_INFERENCE_MODELS=True`, compute capability 7.5 या उससे अधिक वाला GPU (उदाहरण: T4, RTX 20-सीरीज़ और नए; V100 नहीं), और `onnx.gpu` या Jetson Docker इमेज। मेल खाता GPU और इमेज न होने पर, Inference सामान्य CPU-आधारित निष्पादन पर वापस चला जाता है।

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>ENABLE_TENSOR_DATA_REPRESENTATION</td><td>GPU टेंसर पाइपलाइन चालू करता है: GPU पर मौजूद Workflows का निष्पादन और हार्डवेयर-त्वरित (NVDEC) वीडियो डिकोडिंग।</td><td>False</td></tr><tr><td>WORKFLOWS_IMAGE_TENSOR_DEVICE</td><td>टेंसर पाइपलाइन चालू होने पर Torch डिवाइस, जिस पर Workflow टेंसर रखे जाते हैं।</td><td>उपलब्ध होने पर cuda, अन्यथा cpu</td></tr><tr><td>VIDEO_SOURCE_BUFFER_SIZE</td><td>हर वीडियो स्रोत के लिए बफ़र किए गए डिकोड किए गए फ़्रेमों की संख्या।</td><td>टेंसर पाइपलाइन चालू होने पर 8, अन्यथा 64</td></tr><tr><td>VIDEO_SOURCE_ADAPTIVE_BACKPRESSURE</td><td>अनुमानित फ़्रेम दर के बजाय बफ़र की स्थिति के आधार पर बफ़र किए गए फ़्रेम हटाता है।</td><td>ENABLE_TENSOR_DATA_REPRESENTATION से मेल खाता है</td></tr><tr><td>WORKFLOWS_ENFORCE_DENSE_INSTANCE_MASKS</td><td>टेंसर पाइपलाइन मॉडल से RLE-एन्कोडेड मास्क के बजाय घने इंस्टेंस सेगमेंटेशन मास्क लौटाता है।</td><td>False</td></tr><tr><td>WORKFLOWS_SAM_VIDEO_MASK_REPRESENTATION</td><td>टेंसर पाइपलाइन में SAM वीडियो ट्रैकिंग ब्लॉकों द्वारा इस्तेमाल किया जाने वाला मास्क फ़ॉर्मैट (rle या dense)।</td><td>rle</td></tr><tr><td>DISABLE_GSTREAMER_VIDEO_SOURCES</td><td>GStreamer-आधारित वीडियो स्रोतों को अक्षम करता है, जिससे मानक CPU डिकोडिंग लागू होती है।</td><td>False</td></tr></tbody></table>

## Roboflow API कनेक्टिविटी

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS</td><td>Roboflow API के HTTP कोडों की अल्पविराम से अलग की गई सूची, जिनके लिए दोबारा प्रयास किया जाना चाहिए (केवल GET एंडपॉइंट)।</td><td>सेट नहीं है</td></tr><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS_RETRIES</td><td>क्षणिक त्रुटियों (कनेक्शन त्रुटियों और क्षणिक HTTP कोडों) के लिए दोबारा प्रयासों की संख्या (केवल GET एंडपॉइंट)।</td><td>3</td></tr><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS_RETRY_INTERVAL</td><td>क्षणिक Roboflow API त्रुटियों के दोबारा प्रयासों के बीच का विलंब (केवल GET एंडपॉइंट)।</td><td>3</td></tr><tr><td>RETRY_CONNECTION_ERRORS_TO_ROBOFLOW_API</td><td>क्या Roboflow API से कनेक्शन त्रुटियों पर दोबारा प्रयास किया जाना चाहिए (केवल GET एंडपॉइंट)।</td><td>False</td></tr><tr><td>ROBOFLOW_API_REQUEST_TIMEOUT</td><td>Roboflow API के अनुरोधों के लिए टाइमआउट, सेकंड में (पूर्णांक)।</td><td>सेट नहीं है</td></tr><tr><td>API_PROXY_BASE_URL</td><td>apiproxy/* एंडपॉइंट के लिए Roboflow API प्रॉक्सी अनुरोधों में इस्तेमाल किया जाने वाला बेस URL। लंबे समय तक चलने वाली तृतीय-पक्ष प्रॉक्सी कॉल के दौरान Firebase Hosting टाइमआउट से बचने के लिए, इसे सीधे heavy-API Cloud Run सेवा के रूट पर सेट करें।</td><td>API_BASE_URL का मान</td></tr><tr><td>DISABLE_VERSION_CHECK</td><td>बैकग्राउंड थ्रेड में चलने वाली Inference संस्करण जाँच को अक्षम करता है। SECURE_GATEWAY कॉन्फ़िगर होने पर इसे ज़बरदस्ती True पर सेट किया जाता है (स्पष्ट रूप से False सेट किए जाने पर भी), क्योंकि गेटवे के पीछे api.github.com तक पहुँचना संभव नहीं है।</td><td>False</td></tr><tr><td>SECURE_GATEWAY</td><td>के लिए पता <a href="https://docs.roboflow.com/deployment/hi/self-hosted/enterprise/secure-gateway.md">Roboflow Secure Gateway</a> एयर-गैप्ड डिप्लॉयमेंट के लिए (पुराना उपनाम: LICENSE_SERVER)। Roboflow API और मॉडल डाउनलोड ट्रैफ़िक को गेटवे प्रॉक्सी के ज़रिए रूट करता है, संस्करण जाँच को ज़बरदस्ती अक्षम करता है, और remote तथा hosted कॉन्फ़िगर होने पर स्थानीय Workflow चरण निष्पादन पर वापस चला जाता है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/docker-configuration.md#secure-gateway">Docker कॉन्फ़िगरेशन विकल्प</a>.</td><td>सेट नहीं है</td></tr></tbody></table>

## निगरानी और टेलीमेट्री

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>ENABLE_PROMETHEUS</td><td>Prometheus /metrics एंडपॉइंट चालू करता है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/telemetry.md">टेलीमेट्री</a>.</td><td>Docker Hub इमेज के लिए True</td></tr><tr><td>DOCKER_SOCKET_PATH</td><td>कंटेनर में माउंट किए गए Docker डेमन सॉकेट का पथ। यह मान देने पर, डेमन सॉकेट से Docker कंटेनर के आँकड़ों की पोलिंग चालू होती है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/telemetry.md#docker-container-metrics">टेलीमेट्री</a>.</td><td>सेट नहीं है</td></tr><tr><td>METRICS_ENABLED</td><td>Roboflow को नियंत्रित करता है <a href="https://docs.roboflow.com/deployment/hi/monitoring-and-analytics/model-monitoring.md">मॉडल मॉनिटरिंग</a>.</td><td>True</td></tr><tr><td>MODEL_MONITORING_CACHE_BACKEND</td><td>मॉडल मॉनिटरिंग पिंगबैक डेटा के लिए कैश बैकएंड। सामान्य कैश चयन का उपयोग करने के लिए default चुनें (REDIS_HOST कॉन्फ़िगर होने पर Redis, अन्यथा मेमोरी), या प्रक्रिया-स्थानीय बफ़रिंग लागू करने और Redis को इन्फ़रेंस के हॉट पाथ से बाहर रखने के लिए memory चुनें।</td><td>default</td></tr></tbody></table>

## HTTPS

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>ENABLE_HTTPS</td><td>Inference सर्वर के लिए HTTPS चालू या बंद करता है। True होने पर, सर्वर SSL_CERTFILE और SSL_KEYFILE पढ़ता है और TLS पर ट्रैफ़िक सेवा देता है। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/https.md">HTTPS पर इन्फ़रेंस सेवा देना</a>.</td><td>False</td></tr><tr><td>SSL_CERTFILE</td><td>ENABLE_HTTPS=True होने पर उपयोग किए जाने वाले PEM-एन्कोडेड TLS प्रमाणपत्र का पथ।</td><td>/etc/inference/certs/server.crt</td></tr><tr><td>SSL_KEYFILE</td><td>SSL_CERTFILE से संबद्ध PEM-एन्कोडेड TLS निजी कुंजी का पथ।</td><td>/etc/inference/certs/server.key</td></tr><tr><td>SSL_KEYFILE_PASSWORD</td><td>Uvicorn के लिए एन्क्रिप्ट की गई कुंजी का पासफ़्रेज़। समानांतर Gunicorn लॉन्चर में समर्थित नहीं है।</td><td>सेट नहीं है</td></tr><tr><td>SSL_CA_CERTS</td><td>HTTPS के लिए क्लाइंट CA बंडल। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/https.md#mutual-tls">mTLS प्रवर्तन और रिलीज़ का दायरा</a>.</td><td>सेट नहीं है</td></tr></tbody></table>

## प्रमाणीकरण और इनपुट सुरक्षा

<table data-search="false"><thead><tr><th>चर</th><th>विवरण</th><th>डिफ़ॉल्ट</th></tr></thead><tbody><tr><td>WORKSPACES_WHITELISTED_FOR_LOCAL_DEPLOYMENT</td><td>इन्फ़रेंस, Workflow और एकीकृत पाइपलाइन अनुरोधों के लिए अनुमत Workspace स्लग। देखें <a href="https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security.md#enforce-authentication">प्रमाणीकरण और छूट</a>.</td><td>सेट नहीं है</td></tr><tr><td>MODELS_CACHE_AUTH_ENABLED</td><td>ऑनलाइन जाँचता है कि कॉलर को Roboflow मॉडल तक पहुँचने की अनुमति है या नहीं। इस मोड में सीधे स्थानीय पैकेज लोड करने से इनकार करता है।</td><td>False</td></tr><tr><td>ALLOW_OFFLINE_MODEL_CACHE_AUTH_BYPASS</td><td>ऑफ़लाइन मोड और मॉडल कैश प्राधिकरण, दोनों सक्षम होने पर स्पष्ट प्राधिकरण बायपास आवश्यक है। केवल विश्वसनीय, एकल-टेनेंट डिप्लॉयमेंट के लिए।</td><td>False</td></tr></tbody></table>

वे वैरिएबल जो कस्टम Python निष्पादन और URL से इमेज फ़ेच करने को नियंत्रित करते हैं (`ALLOW_CUSTOM_PYTHON_EXECUTION_IN_WORKFLOWS`, `ALLOW_URL_INPUT`, `ALLOW_URL_TO_NON_GLOBAL_ADDRESSES`, `VALIDATE_IMAGE_URL_REDIRECTS`, और अन्य) का दस्तावेज़ यहाँ दिया गया है: [स्वयं-होस्ट किए गए सर्वर को सुरक्षित करना](https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security.md) और [स्वीकृत इनपुट फ़ॉर्मैट](https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/input-formats.md).
