> 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/models/hi/model-weights/download-roboflow-model-weights.md).

# मॉडल वज़न डाउनलोड करें

अपने Roboflow मॉडल को अपने हार्डवेयर पर चलाने के लिए, आप या तो Roboflow Inference (अनुशंसित, स्वचालित विधि) का उपयोग कर सकते हैं या मैन्युअल रूप से Model Weights डाउनलोड कर सकते हैं (कुछ विशेष मामलों के लिए)।

### Roboflow Inference के माध्यम से स्वचालित डाउनलोड (अनुशंसित)

[Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) हमारा ओपन-सोर्स, स्केलेबल सिस्टम है जो CPU और GPU डिवाइसों पर मॉडल स्थानीय रूप से चलाने के लिए है।

**शुरू करने का यह सबसे तेज़ और सबसे विश्वसनीय तरीका है**. जब आप Inference का उपयोग करते हैं, तो आपको फ़ाइलों या वर्ज़निंग को प्रबंधित करने की ज़रूरत नहीं होती; Roboflow Inference आपके कोड को पहली बार चलाने पर स्वतः आपके मॉडल वेट्स को प्राप्त करके कैश करता है।

* **यह कैसे काम करता है**: आपके पहले inference अनुरोध पर, वेट्स Roboflow के सर्वरों से डाउनलोड होकर स्थानीय रूप से संग्रहीत हो जाते हैं। आगे की सभी भविष्यवाणियाँ इसी स्थानीय कैश का उपयोग करती हैं - चित्र क्लाउड पर नहीं भेजे जाते।
* **डिप्लॉयमेंट विकल्प**:
  * [वर्कफ़्लोज़](https://docs.roboflow.com/workflows/deploy/deploy-a-workflow): प्रोडक्शन-तैयार बहु-चरणीय कंप्यूटर विज़न वर्कफ़्लो के लिए
  * [Python inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted#run-a-model): Python एकीकरण के लिए

### मैन्युअल मॉडल वेट्स डाउनलोड

कभी-कभी आपको रॉ वेट्स फ़ाइल की आवश्यकता हो सकती है (उदा.: PyTorch `.pt` फ़ाइल) को ऐसे डिवाइसों पर चलाने के लिए, जिनका Roboflow अभी मूल रूप से समर्थन नहीं करता, जैसे कस्टम Android इम्प्लीमेंटेशन। आप जिन फ़ॉर्मैट्स को डाउनलोड कर सकते हैं, वे मॉडल आर्किटेक्चर पर निर्भर करते हैं।

देखें [समर्थित मॉडल तालिका](/models/hi/supported-models.md) वेट्स डाउनलोड संगतता के लिए।

{% hint style="warning" %}
Core, जिसमें Free Tier भी शामिल है, के माध्यम से वेट्स डाउनलोड करने का समर्थन करता है [Python SDK](#method-b-python-sdk). Classification weights के लिए अलग workspace access की आवश्यकता होती है, और SAM3 तथा RF-DETR NAS weights डाउनलोड नहीं किए जा सकते। Download access आपके model के license को नहीं बदलता: AGPL-3.0 YOLO weights (उदा.: YOLO11, YOLO26) को Roboflow के बाहर व्यावसायिक रूप से चलाने के लिए Enterprise license add-on, या AGPL-3.0 के अंतर्गत अपने code को open-source करना आवश्यक है। देखें [मॉडल लाइसेंस](/models/hi/model-licenses.md).
{% endhint %}

#### एक्सपोर्ट फ़ॉर्मैट

ONNX अनुशंसित एक्सपोर्ट फ़ॉर्मैट है। यह सबसे व्यापक श्रेणी की आर्किटेक्चर्स के लिए उपलब्ध है, और आप ONNX फ़ाइल को TensorRT, OpenVINO, CoreML, या किसी अन्य ONNX-संगत runtime पर चलाने के लिए परिवर्तित कर सकते हैं। Roboflow Inference ONNX Runtime के साथ भी मॉडल चलाता है।

<table data-search="false"><thead><tr><th>फ़ॉर्मैट</th><th>सामान्य उपयोग</th><th>के लिए उपलब्ध</th></tr></thead><tbody><tr><td>ONNX</td><td>क्रॉस-प्लैटफ़ॉर्म runtime (उदा.: TensorRT, OpenVINO)</td><td>Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, RF-DETR, और classification मॉडल</td></tr><tr><td>PyTorch (.pt)</td><td>कस्टम PyTorch पाइपलाइन</td><td>Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, RF-DETR, और classification मॉडल</td></tr><tr><td>CoreML</td><td><a href="https://docs.roboflow.com/deployment/self-hosted/sdks/ios-sdk">iOS और Apple डिवाइस</a></td><td>Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, RF-DETR, और classification मॉडल</td></tr><tr><td>TFLite (int8)</td><td><a href="https://docs.roboflow.com/deployment/self-hosted/sdks/openmv">माइक्रोकंट्रोलर (उदा.: OpenMV)</a></td><td>Roboflow 3.0, YOLOv8, YOLOv12, और YOLO26</td></tr><tr><td>TensorFlow.js</td><td><a href="https://docs.roboflow.com/deployment/self-hosted/sdks/web-browser">वेब ब्राउज़र</a></td><td>Roboflow 3.0 और RF-DETR ऑब्जेक्ट डिटेक्शन मॉडल</td></tr><tr><td>Luxonis OAK / DepthAI</td><td><a href="https://docs.roboflow.com/deployment/self-hosted/sdks/luxonis-oak">OAK कैमरे</a></td><td>Roboflow 3.0 और YOLOv8 ऑब्जेक्ट डिटेक्शन मॉडल</td></tr></tbody></table>

* Instance segmentation, classification, और keypoint detection मॉडल ONNX में एक्सपोर्ट होते हैं। Instance segmentation और classification मॉडल के लिए CoreML भी उपलब्ध है।
* RF-DETR मॉडल ओपन सोर्स [rf-detr लाइब्रेरी](https://github.com/roboflow/rf-detr) (प्रयोगात्मक)।
* RF-DETR NAS और SAM3 मॉडल केवल Roboflow Inference के माध्यम से चलते हैं और वेट डाउनलोड का समर्थन नहीं करते।
* फाइन-ट्यून किए गए मल्टीमोडल मॉडल (उदा.: PaliGemma, Florence-2, Qwen) बिना किसी रूपांतरण के अपने Hugging Face आउटपुट डायरेक्टरी (safetensors) के रूप में डाउनलोड होते हैं।

#### विधि A: Roboflow Platform

अपने Project में मॉडल पर जाएँ। यदि आपके workspace में "Download Weights" बटन है, तो उस पर क्लिक करके अपने मॉडल की architecture के लिए उपलब्ध formats डाउनलोड करें। अन्यथा, उपयोग करें [विधि B](#method-b-python-sdk).

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c419cf8b11bce7fc529bbf30faacc449ff875205%2Fdownload-weights.png?alt=media" alt="Download Weights button"><figcaption></figcaption></figure>

#### विधि B: Python SDK

आप Roboflow Python package का उपयोग करके भी वेट्स सीधे अपनी डायरेक्टरी में डाउनलोड कर सकते हैं:

```python
from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
model = rf.workspace().project("PROJECT_ID").version(1).models()[0]
model.download()  # Downloads 'weights.pt' to your local folder
```

**नोट**: Roboflow, Roboflow Inference ecosystem के बाहर उपयोग किए गए model weights के लिए तकनीकी सहायता प्रदान नहीं करता। सर्वोत्तम अनुभव के लिए, हम Section 1 में उल्लिखित Inference path का उपयोग करने की अनुशंसा करते हैं।