> 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/roboflow-2.md).

# Roboflow 2.0

हमारे सर्वरलेस होस्टेड API के माध्यम से Roboflow 2.0 सेमांटिक सेगमेंटेशन मॉडल का उपयोग करें

Roboflow 2.0 एक DeepLabv3-आधारित सिमेंटिक सेगमेंटेशन मॉडल है। आप Roboflow प्लेटफ़ॉर्म पर Roboflow 2.0 मॉडल को प्रशिक्षित करते हैं और उन्हें हमारे [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api).

के ज़रिए डिप्लॉय करते हैं। स्वयं होस्ट किए गए डिप्लॉयमेंट के लिए देखें [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## Roboflow 2.0 API

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

Roboflow खाता बनाएँ, अपनी कुंजी यहाँ ढूँढ़ें: [Roboflow API सेटिंग पेज](https://app.roboflow.com/settings/api) और इसे अपने शेल के लिए उपलब्ध करें:

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

{% endstep %}

{% step %}

### डिपेंडेंसी इंस्टॉल करें

इंस्टॉल करें [Inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted) और [supervision](https://supervision.roboflow.com/):

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

आपके द्वारा प्रशिक्षित Roboflow 2.0 सिमेंटिक सेगमेंटेशन मॉडल पर इन्फ़रेंस चलाएँ और एनोटेट की गई PNG लिखें। अपने मॉडल को उसके `{workspace}/{model-slug}` ID से कॉल करें (देखें [वर्शन, ट्रेनिंग और मॉडल](https://docs.roboflow.com/models/hi/versions-trainings-and-models.md)).

`sv.Detections.from_inference` (supervision 0.32.0 या बाद का संस्करण) परिणाम में हर क्लास को एक डिटेक्शन में बदलता है, जिसका मास्क उस क्लास के हर पिक्सेल को कवर करता है और जिसका नाम परिणाम के `class_map`से लिया जाता है। क्लास ID 0 (पृष्ठभूमि) को शामिल नहीं किया जाता। क्लाइंट-साइड डाउनसाइज़िंग अक्षम रखें, ताकि मास्क का आकार इनपुट इमेज के आकार से मेल खाए।

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(
    api_key_transport="header",
    client_downsizing_disabled=True,
))
# No pretrained aliases: train your own model and replace "your-project/1" with your model ID.
result = client.infer(image, model_id="your-project/1")

detections = sv.Detections.from_inference(result)

annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)

cv2.imwrite("annotated.png", annotated)
print("Saved annotated.png")
```

{% endstep %}
{% endstepper %}

{% hint style="info" %}
सेट करें `api_url` ताकि वह आपके डिप्लॉयमेंट लक्ष्य से मेल खाए:

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