> 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/upload-custom-weights.md).

# कस्टम मॉडल वज़न अपलोड करें

Roboflow अपने कस्टम-ट्रेंड मॉडलों के मॉडल वज़न को मॉडल डिप्लॉयमेंट के लिए आपके Roboflow प्रोजेक्ट्स में अपलोड करने की सुविधा देता है।

## Roboflow के बाहर प्रशिक्षित वज़न अपलोड करना

एक बार जब आप अपने कस्टम मॉडल का प्रशिक्षण पूरा कर लें, तो अपने मॉडल वज़न को वापस अपने Roboflow प्रोजेक्ट में अपलोड करें ताकि इसका लाभ उठाया जा सके [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

Roboflow में मॉडल प्रशिक्षित करने के लिए, देखें [मॉडल प्रशिक्षित करें](https://docs.roboflow.com/models/hi/train/train-a-model.md).

### मॉडल समर्थन

YOLOv5, YOLOv7, YOLOv9, और YOLOv10 वज़न की नई अपलोड अब समर्थित नहीं हैं। मौजूदा अपलोड किए गए मॉडल inference के लिए उपलब्ध रहेंगे।

आप इन मॉडल परिवारों के लिए वज़न अपलोड कर सकते हैं। मान को Python SDK या CLI में `model_type` कॉलम में पास करें।

<table data-search="false"><thead><tr><th>मॉडल</th><th>model_type</th></tr></thead><tbody><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/rf-detr.md">RF-DETR</a></td><td><code>rfdetr-nano</code> से <code>rfdetr-2xlarge</code>, <code>rfdetr-seg-nano</code> से <code>rfdetr-seg-2xlarge</code>, <code>rfdetr-keypoint-preview</code></td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolo26.md">YOLO26</a></td><td><code>yolo26n</code>, <code>yolo26s</code>, <code>yolo26m</code>, <code>yolo26l</code>, <code>yolo26x</code> (जोड़ें <code>-seg</code>, <code>-pose</code>, या <code>-sem</code> अन्य कार्यों के लिए)</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolov12.md">YOLOv12</a></td><td><code>yolov12n</code> से <code>yolov12x</code></td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolo11.md">YOLO11</a></td><td><code>yolov11n</code> से <code>yolov11x</code> (जोड़ें <code>-seg</code> या <code>-pose</code> अन्य कार्यों के लिए)</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolov8.md">YOLOv8</a></td><td><code>yolov8n</code> से <code>yolov8x</code> (जोड़ें <code>-seg</code> या <code>-pose</code> अन्य कार्यों के लिए)</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolo-nas.md">YOLO-NAS</a></td><td><code>yolonas</code></td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/paligemma2.md">PaliGemma 2</a></td><td><code>paligemma2-3b-pt-224</code>, <code>-448</code>, <code>-896</code> (जोड़ें <code>-peft</code> LoRA वज़न के लिए)</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/florence-2.md">Florence 2</a></td><td><code>florence-2-base</code>, <code>florence-2-large</code></td></tr></tbody></table>

{% hint style="warning" %}

* YOLOv8 मॉडल को प्रशिक्षित किया जाना चाहिए `ultralytics==8.0.196`
* YOLOv11 मॉडल को प्रशिक्षित किया जाना चाहिए `ultralytics<=8.3.40`
* YOLOv12 मॉडल को प्रशिक्षित और अपलोड करने के लिए `ultralytics` से <https://github.com/sunsmarterjie/yolov12>
  {% endhint %}

{% hint style="info" %}
बड़े मॉडल आकार बेहतर प्रशिक्षण परिणाम प्रदान करते हैं। हालांकि, मॉडल का आकार जितना बड़ा होगा, प्रशिक्षण समय उतना ही धीमा होगा, और inference (मॉडल पूर्वानुमान) की गति भी धीमी होगी। इस पर विचार करें कि क्या आप तेज़ी से चलती वस्तुओं या वीडियो फ़ीड पर रियल-टाइम inference चाहते हैं (छोटा मॉडल बेहतर होगा), या आप डेटा को एकत्र करने के बाद उसे संसाधित कर रहे हैं, और उच्च पूर्वानुमान सटीकता को अधिक महत्व देते हैं (बड़ा मॉडल चुनें)।
{% endhint %}

### संस्करणयुक्त बनाम संस्करण-रहित मॉडल अपलोड

Roboflow आपके प्रोजेक्ट्स में मॉडल तैनात करने के लिए दो अलग-अलग तरीके प्रदान करता है, जिनमें से प्रत्येक अलग-अलग उपयोग मामलों और संगठनात्मक आवश्यकताओं को पूरा करता है। संस्करणयुक्त और संस्करण-रहित परिनियोजन के बीच चुनाव इस बात पर निर्भर करता है कि क्या आप डेटासेट संस्करणों के साथ मॉडल के विकास को ट्रैक करना चाहते हैं या अपने वर्कस्पेस में कई प्रोजेक्ट्स के बीच मॉडल साझा करना चाहते हैं।

* **संस्करण-रहित परिनियोजन**
  * वर्कस्पेस स्तर से जुड़ा हुआ
  * एक साथ कई प्रोजेक्ट्स में परिनियोजित किया जा सकता है
  * एक ही वर्कस्पेस के भीतर विभिन्न प्रोजेक्ट्स में मॉडल साझा करने के लिए आदर्श
* **संस्करणयुक्त परिनियोजन**
  * विशिष्ट प्रोजेक्ट संस्करणों से जुड़ा हुआ
  * एक [संस्करण](https://docs.roboflow.com/models/hi/versions-trainings-and-models.md) में कई अपलोड किए गए मॉडल हो सकते हैं
  * डेटासेट संस्करणों के साथ मॉडल के विकास को ट्रैक करने के लिए आदर्श
  * Label Assist में मॉडल का उपयोग करने के लिए आदर्श
  * अन्य मॉडलों के प्रशिक्षण के लिए चेकपॉइंट के रूप में मॉडल का उपयोग करने के लिए आदर्श

## Python SDK

सबसे पहले, सुनिश्चित करें कि आपके पास नवीनतम `roboflow` Python पैकेज स्थापित है:

```bash
pip install --update roboflow
```

### संस्करण-रहित मॉडल

संस्करण-रहित कस्टम वज़न अपलोड करने के लिए, इसका उपयोग करें `workspace.deploy_model()` विधि:

```python
workspace.deploy_model(
    model_type="yolov8",  # मॉडल का प्रकार
    model_path="path/to/model",  # मॉडल निर्देशिका का पथ
    project_ids=["project1", "project2"],  # प्रोजेक्ट IDs की सूची
    model_name="my-model",  # मॉडल का नाम (कम से कम 1 अक्षर होना चाहिए, और संख्याएँ तथा डैश स्वीकार करता है)
    filename="weights/best.pt"  # वज़न फ़ाइल का पथ (डिफ़ॉल्ट)
)
```

**पैरामीटर**

| पैरामीटर      | प्रकार     | आवश्यक | विवरण                                                                                       |
| ------------- | ---------- | ------ | ------------------------------------------------------------------------------------------- |
| `model_type`  | str        | हाँ    | तैनात किए जा रहे मॉडल का प्रकार, जैसे `yolov8`, `yolov11`.                                  |
| `model_path`  | str        | हाँ    | मॉडल वज़न वाली निर्देशिका का पथ।                                                            |
| `project_ids` | list\[str] | हाँ    | वे प्रोजेक्ट IDs जिनमें मॉडल तैनात करना है।                                                 |
| `model_name`  | str        | हाँ    | मॉडल की पहचान करने वाला नाम। इसमें कम से कम एक अक्षर होना चाहिए; संख्याएँ और डैश अनुमत हैं। |
| `filename`    | str        | नहीं   | वज़न फ़ाइल का नाम। डिफ़ॉल्ट: `weights/best.pt`.                                             |

**उदाहरण**

```python
from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
workspace = rf.workspace("YOUR_WORKSPACE")

workspace.deploy_model(
  model_type="yolov8",
  model_path="./runs/train/weights",
  project_ids=["project-1", "project-2", "project-3"],
  model_name="my-custom-model"
)
```

### संस्करणयुक्त मॉडल

{% hint style="info" %}
संस्करणयुक्त कस्टम-वज़न अपलोड प्रत्येक अपलोड किए गए मॉडल को डेटासेट Version से जोड़ता है। यदि आपके डेटासेट में कोई संस्करण जनरेट नहीं हुआ है, तो आप एक बना सकते हैं [ऐप में](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version) या [API के माध्यम से](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version#python-sdk).

दस्तावेज़ देखें [API के जरिए एक संस्करण लोड करने का तरीका](https://docs.roboflow.com/datasets/versions/dataset-versions#view-a-version) या नीचे दिए गए उदाहरण का संदर्भ लें।
{% endhint %}

कस्टम वज़न अपलोड करने के लिए, इसका उपयोग करें `version.deploy()` Python SDK में विधि।

**उपयोग**

```python
version.deploy(
    model_type="yolov8",  # मॉडल का प्रकार
    model_path="path/to/model",  # मॉडल निर्देशिका का पथ
    filename="weights/best.pt"  # वज़न फ़ाइल का पथ (डिफ़ॉल्ट)
)
```

**पैरामीटर**

| पैरामीटर     | प्रकार | आवश्यक | विवरण                                                      |
| ------------ | ------ | ------ | ---------------------------------------------------------- |
| `model_type` | str    | हाँ    | तैनात किए जा रहे मॉडल का प्रकार, जैसे `yolov8`, `yolov11`. |
| `model_path` | str    | हाँ    | मॉडल वज़न वाली निर्देशिका का पथ।                           |
| `filename`   | str    | नहीं   | वज़न फ़ाइल का नाम। डिफ़ॉल्ट: `weights/best.pt`.            |

**उदाहरण**

```python
from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
project = rf.workspace().project("PROJECT_ID")

#weights_filename निर्दिष्ट कर सकते हैं, डिफ़ॉल्ट "weights/best.pt" है
version = project.version(VERSION_ID)

#उदाहरण 1 - yolov8 मॉडल के लिए निर्देशिका पथ "training1/model1.pt" है
version.deploy("yolov8", "training1", "model1.pt")

#उदाहरण 2 - yolov8 मॉडल के लिए निर्देशिका पथ "training1/weights/best.pt" है
version.deploy("yolov8", "training1")
```

**महत्वपूर्ण नोट्स**

{% hint style="info" %}
एक संस्करण में कई अपलोड किए गए मॉडल हो सकते हैं। देखें [संस्करण, प्रशिक्षण, और मॉडल](https://docs.roboflow.com/models/hi/versions-trainings-and-models.md) कि किसी संस्करण पर मॉडल कैसे संबोधित किए जाते हैं।
{% endhint %}

## CLI

CLI स्थापित करने के लिए, देखें [CLI स्थापित और सेट अप करें](https://docs.roboflow.com/reference/platform/cli/install-and-set-up-the-cli).

**प्रमाणीकरण**

किसी भी CLI कमांड का उपयोग करने से पहले, आपको Roboflow के साथ प्रमाणित करना होगा:

1. प्रमाणीकरण कमांड चलाएँ: `roboflow login`
2. टर्मिनल में दिखाई गई URL पर जाएँ: <https://app.roboflow.com/auth-cli>
3. वेबसाइट से अपना प्रमाणीकरण टोकन प्राप्त करें
4. अपने टर्मिनल में टोकन पेस्ट करें

क्रेडेंशियल्स स्वचालित रूप से यहाँ सहेजे जाएँगे `~/.config/roboflow/config.json`

**मॉडल वज़न अपलोड करना**

Roboflow CLI आपके Roboflow प्रोजेक्ट्स में प्रशिक्षित मॉडल वज़न अपलोड करने के लिए एक कमांड प्रदान करता है। यह तब उपयोगी है जब आप कस्टम-प्रशिक्षित मॉडल को Roboflow पर तैनात करना चाहते हैं।

**मूल उपयोग**

{% code overflow="wrap" %}

```bash
roboflow upload_model -w <workspace> -p <project> -t <model_type> -m <model_path> [-v <version>] [-f <filename>] [-n <model_name>]
```

{% endcode %}

**पैरामीटर**

| फ़्लैग                 | आवश्यक | विवरण                                                                                                            |
| ---------------------- | ------ | ---------------------------------------------------------------------------------------------------------------- |
| `-w, --workspace`      | नहीं   | Workspace ID या URL। डिफ़ॉल्ट रूप से आपका डिफ़ॉल्ट workspace।                                                    |
| `-p, --project`        | हाँ    | जिसमें अपलोड करना है उस Project ID। संस्करण-रहित मॉडल को कई प्रोजेक्ट्स में अपलोड करने के लिए फ़्लैग को दोहराएँ। |
| `-t, --model_type`     | हाँ    | मॉडल प्रकार, जैसे `yolov8`, `paligemma2`, `rfdetr-medium`.                                                       |
| `-m, --model_path`     | हाँ    | प्रशिक्षित मॉडल फ़ाइल वाली निर्देशिका का पथ।                                                                     |
| `-v, --version_number` | नहीं   | जिस डेटासेट संस्करण से मॉडल को जोड़ना है।                                                                        |
| `-f, --filename`       | नहीं   | मॉडल फ़ाइल का नाम। डिफ़ॉल्ट: `weights/best.pt`.                                                                  |
| `-n, --model_name`     | सशर्त  | मॉडल नाम। संस्करण-रहित मॉडल परिनियोजन के लिए आवश्यक।                                                             |

**उदाहरण**

<pre class="language-bash" data-overflow="wrap"><code class="lang-bash"># 1. किसी विशिष्ट संस्करण पर मॉडल अपलोड करें: 
<strong>roboflow upload_model -w my-workspace -p my-project -v 1 -t yolov8 -m ./weights
</strong>
# 2. एक संस्करण-रहित मॉडल को कई प्रोजेक्ट्स में अपलोड करें:
roboflow upload_model -w my-workspace -p project1 -p project2 -t yolov11 -n my-model-v1 -m ./weights
# 3. एक संस्करण-रहित RF-DETR medium मॉडल को एक ही प्रोजेक्ट में अपलोड करें: 
roboflow upload_model -w my-workspace -p my-project -t rfdetr-medium -n my-model-name -m ./ -f weights.pt
</code></pre>

## MCP सर्वर

अपने AI एजेंट को इससे जोड़ें [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) और यह इन टूल्स के साथ कहीं और प्रशिक्षित वज़न अपलोड कर सकता है:

<table data-search="false"><thead><tr><th width="290">टूल</th><th>विवरण</th></tr></thead><tbody><tr><td><code>models_upload_custom_weights</code></td><td>स्थानीय रूप से प्रशिक्षित वज़न को Roboflow पर अपलोड करने की विधि प्राप्त करें।</td></tr></tbody></table>

## अगले कदम

1. Roboflow के "Models" टैब में अपने मॉडल को देखें
2. अपने मॉडल को स्थानीय रूप से इसके साथ चलाएँ [Roboflow Inference Server](https://docs.roboflow.com/deployment/self-hosted/self-hosted).
3. देखें [परिनियोजन विकल्प](https://docs.roboflow.com/deployment).
