> 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 ऐसे 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 आलू का पता लगाने वाला मॉडल बनाएँगे, लेकिन आप इसकी जगह अपना ऑब्जेक्ट इस्तेमाल कर सकते हैं।

{% stepper %}
{% step %}

### प्रोजेक्ट बनाएँ

यहाँ साइन इन करें: [app.roboflow.com](https://app.roboflow.com), या खाता न होने पर 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 एनोटेशन टूल का इस्तेमाल 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 चित्र, वीडियो, एनोटेशन फ़ाइलें और PDF लेता है। इस गाइड में 30 सेकंड का वीडियो अपलोड करके उसमें से प्रति सेकंड 1.4 फ़्रेम निकाले गए हैं, जिससे 42 चित्र मिलते हैं। अगर आपके पास अभी कोई डेटा नहीं है, तो आप इसके बजाय [Roboflow Universe से 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 से लेबल करें

चुनें [Auto Label](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/auto-label) और अपने ऑब्जेक्ट का क्लास नाम या छोटा-सा विवरण लिखें (यहाँ: `potato` )। हम कॉन्फ़िडेंस थ्रेशोल्ड को डिफ़ॉल्ट से थोड़ा ऊँचा रखेंगे। ऊँचे थ्रेशोल्ड का मतलब है कि Auto Label केवल उन्हीं बॉक्स को रखता है जिनके बारे में उसे भरोसा हो। हो सकता है कि कुछ आलू छूट जाएँ, लेकिन समीक्षा के दौरान छूटा हुआ बॉक्स जोड़ना, गलत बॉक्स ठीक करने से ज़्यादा तेज़ है।

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

{% step %}

### एनोटेशन की समीक्षा करें

हर चित्र पर Auto Label के काम की जाँच करें। अगर बॉक्स सही लगें, तो चित्र को मंज़ूरी दें (`A` )। अगर नहीं, तो आप बॉक्स को हाथ से या [Smart Select](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/smart-select)की मदद से हटा, ठीक या जोड़ सकते हैं। किसी ऑब्जेक्ट पर क्लिक करने पर यह आपके लिए बॉक्स बनाता है। हम सभी 42 चित्रों की समीक्षा करेंगे, ताकि हर चित्र को मंज़ूरी मिल जाए।

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

{% step %}

### वर्शन बनाएँ और प्रशिक्षण शुरू करें

हम मंज़ूर किए गए चित्रों को आपके डेटासेट में जोड़ते हैं और [उन्हें ट्रेनिंग, वैलिडेशन और टेस्ट सेट में बाँटते 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 इस्तेमाल करेंगे—यह Roboflow द्वारा बनाया गया तेज़ और सटीक डिटेक्शन मॉडल है। RF-DETR Apache 2.0 लाइसेंस के तहत जारी किया गया है, इसलिए आप लाइसेंस शुल्क दिए बिना या अपना कोड ओपन-सोर्स किए बिना इसे क्लोज़्ड-सोर्स व्यावसायिक उत्पादों में शामिल कर सकते हैं। इसके बाद डेटासेट का वर्शन बनाएँ और प्रशिक्षण शुरू करें।

मॉडल के प्रशिक्षण के दौरान, आप [लाइव ट्रेनिंग ग्राफ़](https://docs.roboflow.com/models/evaluate/training-results)देख सकते हैं। इस मॉडल का प्रशिक्षण लगभग 45 मिनट में पूरा हो जाता है और पूरा होने पर आपको ईमेल मिलता है। मॉडल खोलकर 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 डिप्लॉय करें

अब आप मॉडल चला सकते हैं। इसे किसी [Workflow](https://docs.roboflow.com/workflows)में इस्तेमाल करें या अलग से डिप्लॉय करें। इस गाइड में क्लाउड पर होस्ट किए गए [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)का इस्तेमाल किया गया है। अपने मॉडल के डिप्लॉय पेज पर Python स्क्रिप्ट कॉपी करें, निर्भरताएँ इंस्टॉल करें, स्क्रिप्ट को अपनी किसी इमेज के लिए कॉन्फ़िगर करें और उसे चलाएँ। स्क्रिप्ट मॉडल के अनुमान JSON के रूप में प्रिंट करती है।

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

{% step %}

### नतीजों को विज़ुअलाइज़ करें

बाउंडिंग बॉक्स देखने के लिए, [supervision](https://supervision.roboflow.com)की मदद से इमेज पर उन्हें बनाएँ। यह Roboflow की ओपन-सोर्स एनोटेशन लाइब्रेरी है। इसे `pip install supervision`से इंस्टॉल करें, फिर JSON अनुमानों को लोड करें और हर आलू के चारों ओर एक बॉक्स बनाएँ। 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)
```

हर बॉक्स उस आलू को दर्शाता है जिसे मॉडल ने पहचाना:

<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>सुपरविज़न की मदद से फ़्रेम पर बनाए गए प्रशिक्षित मॉडल के पूर्वानुमान।</p></figcaption></figure>
{% endstep %}
{% endstepper %}

## आगे क्या करें

* अपने मॉडल के साथ लॉजिक, विज़ुअलाइज़ेशन और अन्य चरणों को जोड़ने के लिए उसके इर्द-गिर्द एक [वर्कफ़्लो](https://docs.roboflow.com/workflows/build/create-a-workflow) बनाएँ।
* अपने हार्डवेयर पर मॉडल चलाएँ। देखें [मॉडल को स्थानीय रूप से चलाएँ](https://docs.roboflow.com/get-started/hi/guides/run-a-model-locally.md); इसके लिए आपको अपने वर्शन पेज से model\_id चाहिए (हमारे मामले में वह है `erikrf/potatoes-daysm-1-rfdetr-medium-t1`).
* वीडियो स्ट्रीम पर मॉडल चलाएँ। देखें [वीडियो पर मॉडल चलाएँ](https://docs.roboflow.com/get-started/hi/guides/run-a-model-on-a-video.md).
* अधिक छवियों को लेबल करके और फिर से प्रशिक्षण देकर सटीकता बढ़ाएँ। देखें [प्रशिक्षित मॉडलों का मूल्यांकन](https://docs.roboflow.com/models/evaluate/evaluate-trained-models).
