मॉडल API एंडपॉइंट का उपयोग करें

Roboflow के क्लाउड GPUs पर बिना किसी हार्डवेयर सेटअप के पाँच मिनट में एक मॉडल चलाएँ।

द Serverless Cloud API Roboflow के क्लाउड में GPUs पर मॉडल और वर्कफ़्लोज़ चलाता है। आप एक इमेज भेजते हैं और परिणाम वापस पाते हैं। सेट अप करने के लिए कोई हार्डवेयर नहीं है और चालू रखने के लिए कोई सर्वर नहीं है।

यह गाइड आपको शून्य से पाँच मिनट में एक मॉडल चलाने तक ले जाती है। आप बस नाम देकर एक इमेज में ऑब्जेक्ट्स ढूँढेंगे, तैयार-मौजूद मॉडल से रोज़मर्रा की चीज़ों का पता लगाएंगे, और अपना खुद का मॉडल चलाएँगे, और यह सब उसी Serverless Cloud API endpoint पर होगा।

नाम देकर ऑब्जेक्ट्स ढूँढें

मॉडल को कुछ शब्द दें जैसे "टैक्सी", "नीली बस"या "झाड़ी" और यह इमेज में हर मेल खाते ऑब्जेक्ट की आउटलाइन बनाता है। पहले कुछ भी सेट अप या ट्रेन करने की ज़रूरत नहीं है। यह चलता है SAM3.

HTTP (Python)

1

अपनी API कुंजी प्राप्त करें

Roboflow खाता बनाएं, अपनी कुंजी यहाँ खोजें Roboflow API सेटिंग्स पृष्ठ और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताएँ इंस्टॉल करें

supervision साथ लाता है cv2 और numpy:

pip install -U supervision

3

मॉडल चलाएँ

को एक POST अनुरोध भेजें /sam3/concept_segment मॉडल चलाने के लिए। sv.Detections.from_sam3 उन परिणामों को एक ऐसे रूप में बदलता है supervision जिस पर ड्रॉ किया जा सके:

import os
import base64
import cv2
import requests
import supervision as sv

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
image_b64 = base64.b64encode(content).decode("utf-8")
h, w = image.shape[:2]

response = requests.post(
    "https://serverless.roboflow.com/sam3/concept_segment",
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    json={
        "image": {"type": "base64", "value": image_b64},
        "prompts": [
            {"type": "text", "text": "टैक्सी"},
            {"type": "text", "text": "नीली बस"},
            {"type": "text", "text": "झाड़ी"},
        ],
    },
)

detections = sv.Detections.from_sam3(response.json(), (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
cv2.imwrite("sam3.jpg", annotated)

SDK (Python)

1

अपनी API कुंजी प्राप्त करें

Roboflow खाता बनाएं, अपनी कुंजी यहाँ खोजें Roboflow API सेटिंग्स पृष्ठ और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताएँ इंस्टॉल करें

ये दो पैकेज मॉडल को कॉल करते हैं और उसके परिणामों को ड्रॉ करते हैं:

pip install -U inference-sdk supervision

3

मॉडल चलाएँ

द Inference SDK आपकी इमेज को क्लाउड में भेजता है और परिणाम वापस देता है। sv.Detections.from_sam3 उन परिणामों को एक ऐसे रूप में बदलता है supervision जिस पर ड्रॉ किया जा सके:

import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
h, w = image.shape[:2]

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

data = client.sam3_concept_segment(
    image,
    prompts=[
        {"type": "text", "text": "टैक्सी"},
        {"type": "text", "text": "नीली बस"},
        {"type": "text", "text": "झाड़ी"},
    ],
)

detections = sv.Detections.from_sam3(data, (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.BoxAnnotator().annotate(annotated, detections)
cv2.imwrite("sam3.jpg", annotated)

प्रतिक्रिया में हर प्रॉम्प्ट के लिए मिले आउटलाइन सूचीबद्ध होती हैं, और हर एक के लिए एक विश्वास स्कोर होता है। sv.Detections.from_sam3 आपके लिए यह सब पढ़ लेता है।

टेक्स्ट प्रॉम्प्ट्स से आउटलाइन किए गए ऑब्जेक्ट्स

विज़ुअल प्रॉम्प्ट्स, exemplar boxes, और RLE आउटपुट सहित पूर्ण SAM3 API के लिए, देखें SAM3 दस्तावेज़.

तैयार-मौजूद मॉडल से रोज़मर्रा की वस्तुओं का पता लगाएँ

HTTP (Python)

नाम दिए गए ऑब्जेक्ट्स की आउटलाइन बनाने के बजाय सामान्य वस्तुओं के चारों ओर बॉक्स बनाने के लिए, कॉल करें POST /{project}/{version} को एक मॉडल ID के साथ, बजाय POST /sam3/concept_segment. इस उदाहरण में एक तैयार-मौजूद RF-DETR मॉडल का उपयोग किया गया है, जो वाहन, लोग, और पालतू जानवर जैसी सामान्य वस्तुओं का पता लगा सकता है:

result = requests.post(
    "https://serverless.roboflow.com/coco/40",  # coco/40 rfdetr-medium का alias है
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    data=image_b64,  # body में raw base64, JSON नहीं
    headers={"Content-Type": "application/x-www-form-urlencoded"},
).json()
detections = sv.Detections.from_inference(result)

print(f"{len(detections)} ऑब्जेक्ट्स मिले")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

SDK (Python)

नाम दिए गए ऑब्जेक्ट्स की आउटलाइन बनाने के बजाय सामान्य वस्तुओं के चारों ओर बॉक्स बनाने के लिए, कॉल करें client.infer() को एक मॉडल ID के साथ, बजाय client.sam3_concept_segment(). इस उदाहरण में एक तैयार-मौजूद RF-DETR मॉडल का उपयोग किया गया है, जो वाहन, लोग, और पालतू जानवर जैसी सामान्य वस्तुओं का पता लगा सकता है:

result = client.infer(image, model_id="rfdetr-medium")
detections = sv.Detections.from_inference(result)

print(f"{len(detections)} ऑब्जेक्ट्स मिले")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

RF-DETR कारों, बसों, लोगों और मोटरसाइकिलों का पता लगाता है

अपना खुद का या कोई और मॉडल चलाएँ

वही client.infer() या POST /{project}/{version} कॉल उसके model_id:

• Roboflow में आपके द्वारा प्रशिक्षित एक मॉडल। उसका model ID कॉपी करें (जिसे इस रूप में फ़ॉर्मैट किया गया है {project}/{version}) अपने प्रोजेक्ट से Roboflow ऐप

• से एक सार्वजनिक मॉडल Roboflow Universe

• एक तैयार-मौजूद प्रीट्रेन्ड मॉडल को alias के रूप में, जैसे rfdetr-nano, rfdetr-seg-mediumया yolo26l-640 (केवल inference SDK के लिए)

आगे कहाँ जाएँ

आप क्लाउड में एक मॉडल चला रहे हैं। यहाँ से आप:

• अपने खुद के हार्डवेयर पर वही मॉडल चलाएँ। देखें मॉडल को स्थानीय रूप से चलाएँ

• बड़े मॉडलों और स्थिर ट्रैफ़िक के लिए Dedicated Deployments के साथ एक निजी, एकल-टेनेंट endpoint प्राप्त करें Dedicated Deployments

• Workflows के साथ मॉडल और लॉजिक को एक ऐप में जोड़ें Workflows

• Serverless pricing page पर हर अनुरोध की लागत समझें Serverless मूल्य निर्धारण पृष्ठ