For the complete documentation index, see llms.txt. This page is also available as Markdown.

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

शुरू करने का यह सबसे तेज़ और सबसे विश्वसनीय तरीका है. Inference का उपयोग करने पर, आपको फ़ाइलों या वर्ज़निंग को प्रबंधित करने की ज़रूरत नहीं होती; Roboflow Inference आपके कोड को पहली बार चलाते समय स्वतः आपके मॉडल वज़न डाउनलोड और कैश कर लेता है।

  • यह कैसे काम करता है: आपके पहले inference अनुरोध पर, वज़न Roboflow के सर्वरों से डाउनलोड होकर स्थानीय रूप से संग्रहीत होते हैं। आगे की सभी भविष्यवाणियाँ इस स्थानीय कैश का उपयोग करती हैं - छवियाँ क्लाउड पर नहीं भेजी जातीं।

  • परिनियोजन विकल्प:

    • Workflows: उत्पादन-तैयार बहु-चरणीय कंप्यूटर विज़न वर्कफ़्लो के लिए

    • Python inference SDK: Python एकीकरण के लिए

मैन्युअल मॉडल वज़न डाउनलोड

कभी-कभी आपको कच्ची वज़न फ़ाइल (उदा.: 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 implementations. जिन फ़ॉर्मेट्स को आप डाउनलोड कर सकते हैं, वे मॉडल आर्किटेक्चर पर निर्भर करते हैं।

देखें समर्थित मॉडल तालिका वज़न डाउनलोड संगतता के लिए।

एक्सपोर्ट फ़ॉर्मेट

ONNX अनुशंसित एक्सपोर्ट फ़ॉर्मेट है। यह आर्किटेक्चर की सबसे विस्तृत श्रृंखला के लिए उपलब्ध है, और आप ONNX फ़ाइल को TensorRT, OpenVINO, CoreML, या किसी भी अन्य ONNX-संगत runtime पर चलाने के लिए कन्वर्ट कर सकते हैं। Roboflow Inference भी ONNX Runtime के साथ मॉडल चलाता है।

फ़ॉर्मेट
सामान्य उपयोग
इसके लिए उपलब्ध

ONNX

क्रॉस-प्लेटफ़ॉर्म runtime (उदा.: TensorRT, OpenVINO)

RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, और classification मॉडल

PyTorch (.pt)

कस्टम PyTorch पाइपलाइन

RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, YOLO-NAS, और classification मॉडल

CoreML

RF-DETR, Roboflow 3.0, YOLOv8, YOLOv12, YOLO26, और classification मॉडल

TFLite (int8)

Roboflow 3.0, YOLOv8, YOLOv12, और YOLO26

TensorFlow.js

RF-DETR और Roboflow 3.0 object detection मॉडल

Luxonis OAK / DepthAI

Roboflow 3.0 और YOLOv8 object detection मॉडल

  • Instance segmentation, classification, और keypoint detection मॉडल ONNX में एक्सपोर्ट होते हैं। CoreML भी instance segmentation और classification मॉडल के लिए उपलब्ध है।

  • RF-DETR मॉडल open source rf-detr library (प्रायोगिक)।

  • RF-DETR NAS और SAM3 मॉडल केवल Roboflow Inference के माध्यम से चलते हैं और weight download का समर्थन नहीं करते।

  • Fine-tuned multimodal मॉडल (उदा.: PaliGemma, Florence-2, Qwen) बिना conversion के उनके Hugging Face output directory (safetensors) के रूप में डाउनलोड होते हैं।

विधि A: Roboflow प्लेटफ़ॉर्म

अपने Project के भीतर मॉडल पर जाएँ। यदि आपके workspace में "Download Weights" बटन है, तो उस पर क्लिक करके अपने मॉडल की architecture के लिए उपलब्ध फ़ॉर्मेट्स डाउनलोड करें। अन्यथा, उपयोग करें विधि B.

Download Weights button

विधि B: Python SDK

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

नोट: Roboflow, Roboflow Inference ecosystem के बाहर उपयोग किए गए मॉडल वज़न के लिए तकनीकी सहायता प्रदान नहीं करता। सर्वोत्तम अनुभव के लिए, हम अनुभाग 1 में उल्लिखित Inference पथ की अनुशंसा करते हैं।

अंतिम अपडेट

क्या यह उपयोगी था?