> 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/get-started/hi/guides/model-training.md).

# मॉडल प्रशिक्षण

एक छोटे वीडियो को एक कस्टम-प्रशिक्षित ऑब्जेक्ट डिटेक्शन मॉडल में बदलें, जिसे आप API से कॉल कर सकते हैं।

यह गाइड आपको 30-सेकंड के वीडियो से एक प्रशिक्षित ऑब्जेक्ट डिटेक्शन मॉडल तक ले जाती है, जिसे आप API से कॉल कर सकते हैं। Roboflow वीडियो से फ़्रेम निकालता है, Auto Label बॉक्स बनाता है, और डेटासेट पर मॉडल को प्रशिक्षित करता है। इस उदाहरण में हम एक आलू पहचान मॉडल बनाएँगे, लेकिन आप इसमें अपना ऑब्जेक्ट बदल सकते हैं।

{% stepper %}
{% step %}

### एक प्रोजेक्ट बनाएँ

लॉग इन करें [app.roboflow.com](https://app.roboflow.com)पर, या यदि आपका खाता नहीं है तो एक खाता बनाएँ। "Projects" टैब खोलें और एक [प्रोजेक्ट](https://docs.roboflow.com/datasets/create-and-upload/create-a-project)बनाएँ। इस गाइड में Object Detection प्रोजेक्ट प्रकार और Traditional annotation tool का उपयोग किया गया है।

{% embed url="<https://media.roboflow.com/quickstart/step1.mp4>" %}
{% endstep %}

{% step %}

### अपना डेटा अपलोड करें

[अपना डेटा अपलोड करें](https://docs.roboflow.com/datasets/create-and-upload/adding-data) प्रोजेक्ट में। Roboflow इमेज, वीडियो, एनोटेशन फ़ाइलें, और PDF लेता है। यह गाइड 30-सेकंड का वीडियो अपलोड करती है और उससे प्रति सेकंड 1.4 फ़्रेम खींचती है, जिससे 42 इमेज मिलती हैं। यदि आपके पास अभी कोई डेटा नहीं है, तो आप [Roboflow Universe से एक डेटासेट आयात कर सकते हैं](https://docs.roboflow.com/datasets/create-and-upload/adding-data/roboflow-universe) ।

{% embed url="<https://media.roboflow.com/quickstart/step2.mp4>" %}
{% endstep %}

{% step %}

### Auto Label के साथ लेबल करें

चुनें [Auto Label](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/auto-label) और अपने ऑब्जेक्ट का एक class name या छोटा वर्णन टाइप करें (यहाँ: `potato`)। हम confidence threshold को डिफ़ॉल्ट से थोड़ा अधिक रखेंगे। उच्च threshold का मतलब है कि Auto Label केवल वही बॉक्स रखता है जिनके बारे में वह सुनिश्चित है। यह कुछ आलू छूट जाने दे सकता है, लेकिन समीक्षा के दौरान छूटा हुआ बॉक्स जोड़ना गलत बॉक्स ठीक करने से तेज़ है।

{% embed url="<https://media.roboflow.com/quickstart/step3-autolabel.mp4>" %}
{% endstep %}

{% step %}

### एनोटेशन की समीक्षा करें

हर इमेज पर Auto Label के काम की जाँच करें। यदि बॉक्स सही दिखते हैं, तो इमेज को approve करें (`A`)। यदि नहीं, तो आप बॉक्स को मैन्युअल रूप से या [Smart Select](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/smart-select)के साथ हटा, ठीक, या जोड़ सकते हैं, जो आप किसी ऑब्जेक्ट पर क्लिक करते ही आपके लिए बॉक्स बनाता है। हम सभी 42 इमेज से गुजरेंगे ताकि सभी approve हो जाएँ।

{% embed url="<https://media.roboflow.com/quickstart/step4-verify-labelassist.mp4>" %}
{% endstep %}

{% step %}

### एक वर्ज़न बनाएँ और ट्रेन करें

हम approved इमेज को आपके डेटासेट में जोड़ते हैं और [उन्हें train, validation, और test सेट में विभाजित करते हैं](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version). हम [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) (Medium) का उपयोग करेंगे, जो Roboflow द्वारा बनाया गया एक तेज़ और सटीक डिटेक्शन मॉडल है। RF-DETR Apache 2.0 लाइसेंस के तहत जारी किया गया है, इसलिए आप इसे बिना लाइसेंस शुल्क दिए या अपना कोड open-source किए, closed-source व्यावसायिक उत्पादों में जारी कर सकते हैं। फिर डेटासेट का एक वर्ज़न बनाएँ और ट्रेनिंग शुरू करें।

जब मॉडल ट्रेन हो रहा हो, आप [लाइव ट्रेनिंग ग्राफ़](https://docs.roboflow.com/models/evaluate/training-results)देख सकते हैं। यह मॉडल लगभग 45 मिनट में पूरा होता है, और पूरा होने पर आपको एक ईमेल मिलता है। मॉडल खोलें और इसके [मूल्यांकन मेट्रिक्स](https://docs.roboflow.com/models/evaluate/evaluate-trained-models) (mAP, precision, recall, और F1) देखें।

{% embed url="<https://media.roboflow.com/quickstart/step5-version-training.mp4>" %}
{% endstep %}

{% step %}

### मॉडल को डिप्लॉय करें

अब आप मॉडल चला सकते हैं। इसे एक [वर्कफ़्लो](https://docs.roboflow.com/workflows)में उपयोग करें, या इसे अलग से डिप्लॉय करें। इस गाइड में cloud-hosted [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)का उपयोग किया गया है। अपने मॉडल के deploy पेज पर Python स्क्रिप्ट कॉपी करें, dependencies इंस्टॉल करें, इसे अपनी किसी इमेज पर पॉइंट करें, और चलाएँ। स्क्रिप्ट मॉडल की predictions को JSON के रूप में प्रिंट करती है।

{% embed url="<https://media.roboflow.com/quickstart/step6-deploy.mp4>" %}
{% endstep %}

{% step %}

### परिणामों को विज़ुअलाइज़ करें

bounding boxes देखने के लिए, उन्हें इमेज पर [supervision](https://supervision.roboflow.com)के साथ ड्रॉ करें, जो Roboflow की open-source annotation लाइब्रेरी है। इसे `pip install supervision`से इंस्टॉल करें, फिर JSON predictions लोड करें और हर आलू के चारों ओर एक बॉक्स बनाएं। मूल Python स्क्रिप्ट में ये पंक्तियाँ जोड़ें:

```python
detections = sv.Detections.from_inference(result)

image = cv2.imread(image_path)
image = sv.BoxAnnotator().annotate(image, detections)

cv2.imwrite("annotated.jpg", image)
```

प्रत्येक बॉक्स एक आलू को चिह्नित करता है जिसे मॉडल ने पाया:

<figure><img src="https://3949523067-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1YMZNIiZMBdlCHUDeZMP%2Fuploads%2Fgit-blob-2627e9fb509cf0f35f074e7452b0c787a571c435%2Fpotato-detections.webp?alt=media" alt="Potatoes on a conveyor, each marked with a bounding box"><figcaption><p>supervision के साथ एक फ़्रेम पर बनाए गए प्रशिक्षित मॉडल के predictions।</p></figcaption></figure>
{% endstep %}
{% endstepper %}

## आगे कहाँ जाएँ

* एक [वर्कफ़्लो](https://docs.roboflow.com/workflows/build/create-a-workflow) बनाएँ ताकि उसे logic, visualizations, और अन्य steps के साथ जोड़ सकें।
* मॉडल को अपने हार्डवेयर पर चलाएँ। देखें [मॉडल को स्थानीय रूप से चलाएँ](/get-started/hi/guides/run-a-model-locally.md); आपको अपनी version page से model\_id चाहिए (हमारे मामले में वह है `erikrf/potatoes-daysm-1-rfdetr-medium-t1`).
* मॉडल को वीडियो streams पर चलाएँ। देखें [वीडियो पर मॉडल चलाएँ](/get-started/hi/guides/run-a-model-on-a-video.md).
* और अधिक इमेज लेबल करके तथा फिर से ट्रेनिंग करके सटीकता सुधारें। देखें [प्रशिक्षित मॉडलों का मूल्यांकन करें](https://docs.roboflow.com/models/evaluate/evaluate-trained-models).