> 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

Roboflow 2.0 एक DeepLabv3-आधारित semantic segmentation मॉडल है। आप Roboflow प्लेटफ़ॉर्म पर Roboflow 2.0 मॉडल ट्रेन करते हैं और उन्हें हमारे [सर्वरलेस होस्टेड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api).

स्व-होस्टेड डिप्लॉयमेंट के लिए, देखें [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## कोड नमूना

{% 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 shell के लिए उपलब्ध कराएँ:

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

{% endstep %}

{% step %}

### निर्भरताएँ 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

एक Roboflow 2.0 semantic segmentation मॉडल पर inference चलाएँ, जिसे आपने ट्रेन किया है, प्रति-पिक्सेल class map को decode करें, और एक annotated PNG लिखें। अपने मॉडल को उसके `{workspace}/{model-slug}` आईडी (देखें [Versions, Trainings, and Models](/models/hi/versions-trainings-and-models.md)).

प्रतिक्रिया में एक `segmentation_mask` (base64-एनकोडेड ग्रेस्केल PNG जहाँ प्रत्येक पिक्सेल मान एक class ID है और `0` 0 background है) और एक `class_map` जो class IDs को class names से मैप करता है। स्क्रिप्ट इसे विभाजित करके एक `sv.Detections` प्रत्येक class के लिए एक पंक्ति बनाती है ताकि `sv.MaskAnnotator` स्रोत छवि पर masks को overlay कर सके।

```python
import base64
import os
import cv2
import numpy as np
import supervision as sv
from inference_sdk import InferenceHTTPClient

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"],
)
# कोई पूर्व-प्रशिक्षित उपनाम नहीं: अपना स्वयं का मॉडल प्रशिक्षित करें और "your-project/1" को अपने मॉडल ID से बदलें।
result = client.infer(image, model_id="your-project/1")
predictions = result["predictions"]

mask_bytes = base64.b64decode(predictions["segmentation_mask"])
class_map = predictions.get("class_map", {})
class_mask = cv2.imdecode(np.frombuffer(mask_bytes, np.uint8), cv2.IMREAD_GRAYSCALE)
class_mask = cv2.resize(class_mask, (image.shape[1], image.shape[0]), interpolation=cv2.INTER_NEAREST)

class_ids = [cid for cid in np.unique(class_mask).tolist() if cid != 0]
if class_ids:
    masks, xyxy, names = [], [], []
    for cid in class_ids:
        binary = class_mask == cid
        rows = np.where(np.any(binary, axis=1))[0]
        cols = np.where(np.any(binary, axis=0))[0]
        xyxy.append([cols[0], rows[0], cols[-1], rows[-1]])
        masks.append(binary)
        names.append(class_map.get(str(cid), str(cid)))

    detections = sv.Detections(
        xyxy=np.array(xyxy, dtype=np.float64),
        mask=np.array(masks),
        class_id=np.array(class_ids),
        data={"class_name": np.array(names)},
    )
    annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
    annotated = sv.LabelAnnotator().annotate(annotated, detections)
else:
    annotated = image

cv2.imwrite("annotated.png", annotated)
print("annotated.png सहेजा गया")
```

{% endstep %}
{% endstepper %}

{% hint style="info" %}
सेट करें `api_url` को अपने deployment target से मिलाने के लिए:

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