> 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) मॉडल्स को CPU और GPU डिवाइसों पर स्थानीय रूप से चलाने के लिए हमारा ओपन-सोर्स, स्केलेबल सिस्टम है।

**यह शुरुआत करने का सबसे तेज़ और सबसे विश्वसनीय तरीका है**. जब आप Inference का उपयोग करते हैं, तो आपको फ़ाइलों या वर्ज़निंग को प्रबंधित करने की आवश्यकता नहीं होती; Roboflow Inference आपके कोड को पहली बार चलाने पर अपने-आप आपके मॉडल वेट्स को फ़ेच और 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 इस स्थानीय कैश का उपयोग करती हैं - छवियाँ क्लाउड पर नहीं भेजी जातीं।
* **डिप्लॉयमेंट विकल्प**:
  * [वर्कफ़्लोज़](https://docs.roboflow.com/workflows/deploy/deploy-a-workflow): प्रोडक्शन-तैयार बहु-चरणीय कंप्यूटर विज़न वर्कफ़्लोज़ के लिए
  * [Python inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted#run-model-locally): Python एकीकरण के लिए

### मैन्युअल मॉडल वेट्स डाउनलोड

कभी-कभी आपको रॉ वेट्स फ़ाइल (जैसे: एक PyTorch `.pt` फ़ाइल) की आवश्यकता हो सकती है, ताकि आप उन डिवाइसों पर चला सकें जिन्हें Roboflow अभी मूल रूप से सपोर्ट नहीं करता, जैसे कस्टम Android इम्प्लीमेंटेशन। आप जिन फ़ॉर्मैट्स को डाउनलोड कर सकते हैं, वे मॉडल आर्किटेक्चर पर निर्भर करते हैं।

देखें [समर्थित मॉडलों की तालिका](https://docs.roboflow.com/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). वर्गीकरण वेट्स के लिए अलग workspace access आवश्यक है, और SAM3 तथा RF-DETR NAS वेट्स डाउनलोड नहीं किए जा सकते। डाउनलोड एक्सेस आपके मॉडल के लाइसेंस को नहीं बदलता: AGPL-3.0 YOLO वेट्स (जैसे: YOLO11, YOLO26) को Roboflow के बाहर व्यावसायिक रूप से चलाने के लिए Enterprise लाइसेंस ऐड-ऑन, या अपने कोड को AGPL-3.0 के अंतर्गत ओपन-सोर्स करना आवश्यक है। देखें [मॉडल लाइसेंस](https://docs.roboflow.com/models/hi/model-licenses.md).
{% endhint %}

#### एक्सपोर्ट फ़ॉर्मैट

ONNX अनुशंसित एक्सपोर्ट फ़ॉर्मैट है। यह सबसे विस्तृत श्रेणी की आर्किटेक्चर के लिए उपलब्ध है, और आप ONNX फ़ाइल को TensorRT, OpenVINO, CoreML, या किसी अन्य ONNX-संगत runtime पर चलाने के लिए कन्वर्ट 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>उपलब्ध है</th></tr></thead><tbody><tr><td>ONNX</td><td>क्रॉस-प्लेटफ़ॉर्म runtimes (जैसे: TensorRT, OpenVINO)</td><td>RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, और classification models</td></tr><tr><td>PyTorch (.pt)</td><td>कस्टम PyTorch पाइपलाइन्स</td><td>RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, और classification models</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>RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, और classification models</td></tr><tr><td>TFLite (int8)</td><td><a href="https://docs.roboflow.com/deployment/self-hosted/sdks/openmv">माइक्रोकंट्रोलर्स (जैसे: 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>RF-DETR और Roboflow 3.0 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>

* इंस्टेंस सेगमेंटेशन, वर्गीकरण, और कीपॉइंट डिटेक्शन मॉडल ONNX में एक्सपोर्ट होते हैं। CoreML भी इंस्टेंस सेगमेंटेशन और वर्गीकरण मॉडलों के लिए उपलब्ध है।
* RF-DETR मॉडल भी TFLite, TensorRT, और ExecuTorch में ओपन-सोर्स के साथ एक्सपोर्ट कर सकते हैं [rf-detr लाइब्रेरी](https://github.com/roboflow/rf-detr) (प्रायोगिक)।
* 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 मल्टीमॉडल मॉडल (जैसे: PaliGemma, Florence-2, Qwen) बिना कन्वर्ज़न के अपने Hugging Face आउटपुट डायरेक्टरी (safetensors) के रूप में डाउनलोड होते हैं।

#### विधि A: Roboflow प्लेटफ़ॉर्म

अपने Project में मॉडल पर जाएँ। यदि आपके workspace में "Download Weights" बटन है, तो उस पर क्लिक करके अपने मॉडल की आर्किटेक्चर के लिए उपलब्ध फ़ॉर्मैट 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 पैकेज का उपयोग करके 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()  # 'weights.pt' को आपकी स्थानीय फ़ोल्डर में डाउनलोड करता है
```

**नोट**: Roboflow, Roboflow Inference इकोसिस्टम के बाहर उपयोग किए गए मॉडल वेट्स के लिए तकनीकी सहायता प्रदान नहीं करता। सर्वोत्तम अनुभव के लिए, हम Section 1 में वर्णित Inference पथ का उपयोग करने की अनुशंसा करते हैं।
