> 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/supported-models/resnet.md).

# ResNet

के माध्यम से ImageNet-पूर्वप्रशिक्षित ResNet छवि वर्गीकरण चलाएँ [सर्वरलेस क्लाउड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)या स्वयं होस्ट करें, उपयोग करके [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## ResNet के पूर्वप्रशिक्षित उपनाम

इनमें से किसी भी एलियास को `model_id` का उपयोग करते समय [inference-sdk](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api#python-sdk):

* `resnet18`
* `resnet34`
* `resnet50`
* `resnet101`

## ResNet सटीकता और अनुमान गति

विलंबता मापी जाती है [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 1x NVIDIA L4 पर, बैच आकार 1 के साथ, 1,000 अनुमानों (100 वार्मअप) के औसत से। ये उपनाम ONNX पर चलते हैं (कोई पूर्वनिर्मित TensorRT इंजन नहीं)। बैचिंग से मदद नहीं मिलती: ये चेकपॉइंट 1 का एक निश्चित बैच आयाम निर्यात करते हैं।

सटीकता मानक torchvision वज़नों के लिए प्रकाशित ImageNet-1k विनिर्देश है ([स्रोत](https://pytorch.org/vision/stable/models.html)).

<table data-search="false"><thead><tr><th>उपनाम</th><th>टॉप-1</th><th>टॉप-5</th><th>लेटेंसी (ms)</th></tr></thead><tbody><tr><td><code>resnet18</code></td><td>69.8</td><td>89.1</td><td>1.4</td></tr><tr><td><code>resnet34</code></td><td>73.3</td><td>91.4</td><td>2.2</td></tr><tr><td><code>resnet50</code></td><td>76.1</td><td>92.9</td><td>2.4</td></tr><tr><td><code>resnet101</code></td><td>77.4</td><td>93.5</td><td>3.7</td></tr></tbody></table>

## ResNet API

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने शेल में उपलब्ध कराएँ:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### निर्भरताएँ इंस्टॉल करें

यह पैकेज मॉडल को कॉल करता है:

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}

### मॉडल चलाएँ

नीचे दिया गया नमूना चलाता है `resnet50` एक दूरस्थ छवि के विरुद्ध।

```python
import os
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/notebooks/examples/dog.jpeg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
results = client.infer(image, model_id="resnet50")
print(results)
```

<figure><img src="/files/ab47fbf4db75e7a532e9fd186150844ab6f4cc65" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
सेट करें `api_url` को अपने परिनियोजन लक्ष्य से मिलाएँ:

* `https://serverless.roboflow.com` सर्वरलेस क्लाउड API के लिए।
* `http://localhost:9001` एक स्थानीय [इन्फ़रेंस](https://docs.roboflow.com/deployment/self-hosted/self-hosted) सर्वर।
* आपका [समर्पित परिनियोजन](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) एक निजी एंडपॉइंट के लिए URL.
  {% endhint %}