> 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/sdks/openmv.md).
# OpenMV
OpenMV कैमरा एक अत्यंत कम-ऊर्जा वाला कैमरा-कंप्यूट यूनिट है, जो एक इमेज प्रोसेसिंग SOC का उपयोग करके कैमरे के साथ उसी बोर्ड पर सीधे micropython प्रोग्राम चलाता है। यह 0.5W से कम बिजली का उपयोग करता है और \~13 fps तक मॉडल चला सकता है (क्वांटाइज़ेशन और कम रेज़ोल्यूशन के साथ)।
#### एक संगत मॉडल को प्रशिक्षित करें
OpenMV डिप्लॉयमेंट्स की अनुमति देने के लिए Roboflow 3.0 मॉडल को प्रशिक्षित करें। हमारे मॉडल पोस्ट-प्रोसेसिंग द्वारा मॉडल्स को क्वांटाइज़ और स्केल किया जाता है (ताकि यह कम-ऊर्जा SOC में फिट हो सके), इसलिए वास्तविक दुनिया का प्रदर्शन प्लेटफ़ॉर्म में दिखाए गए मेट्रिक्स से कम हो सकता है। सर्वोत्तम परिणामों के लिए कृपया 224 या 256 का रेज़ोल्यूशन भी उपयोग करें (पोस्ट-प्रोसेसिंग में हम इसी पर स्केल करते हैं)।
#### क्वांटाइज़्ड आर्टिफैक्ट डाउनलोड करें
OpenMV आर्टिफैक्ट डाउनलोड करने के लिए deployments पेज का उपयोग करें, जिसमें एक `.tflite` फ़ाइल होनी चाहिए जो OpenMV डिवाइसों के साथ संगत है।
#### मॉडल को OpenMV डिवाइस पर डिप्लॉय करें
आप फिर [OpenMV IDE](https://openmv.io/pages/download) का उपयोग करके मॉडल को edge डिवाइस पर डिप्लॉय कर सकते हैं। आपको अभी-अभी डाउनलोड किए गए मॉडल वज़न के साथ class list की भी आवश्यकता होगी, जिसे आप roboflow dashboard में इस [OpenMV द्वारा वीडियो](https://www.youtube.com/watch?v=aRnn2LeAS4c)में उल्लेख के अनुसार पा सकते हैं। वीडियो यह दिखाता है [उदाहरण स्क्रिप्ट](https://github.com/openmv/openmv/blob/4d7247e11e9f4605802f4e285ac65701a2079b4d/scripts/examples/03-Machine-Learning/00-TensorFlow/yolo_v8_detector.py) OpenMV डिवाइसों पर YOLOv8 (Roboflow 3.0) मॉडल चलाने के लिए और इसका उपयोग OpenMV पर Roboflow मॉडलों के साथ विकास शुरू करने के लिए एक प्रारंभिक बिंदु के रूप में किया जाना चाहिए।