YOLO-NAS

हमारे Serverless Cloud API के माध्यम से YOLO-NAS ऑब्जेक्ट डिटेक्शन मॉडल का उपयोग करें

YOLO-NAS Deci का एक ऑब्जेक्ट डिटेक्शन मॉडल है, जिसे न्यूरल आर्किटेक्चर सर्च द्वारा बनाया गया है। Roboflow COCO-प्रीट्रेंड YOLO-NAS चेकपॉइंट्स को छोटे उपनामों के तहत उपलब्ध कराता है, और आप अपना स्वयं का वेट्स अपलोड करें किसी ऐसे मॉडल को चलाने के लिए जिसे आपने कहीं और प्रशिक्षित किया है।

Roboflow पर YOLO-NAS को ट्रेन करना समर्थित नहीं है। Roboflow-प्रशिक्षित डिटेक्टर के लिए, देखें RF-DETR, YOLO26, या YOLO11.

पूर्व-प्रशिक्षित उपनाम

इनमें से किसी एक ID को model_id के रूप में पास करें ताकि बिना कुछ प्रशिक्षित किए COCO-प्रशिक्षित चेकपॉइंट चलाया जा सके। पूरी सूची यहाँ उपलब्ध है पूर्व-प्रशिक्षित मॉडल उपनाम पृष्ठ पर।

मॉडल	इनपुट आकार	कार्य	मॉडल ID	परीक्षण
YOLO-NAS (छोटा)	640	ऑब्जेक्ट डिटेक्शन	yolo-nas-s-640	ब्राउज़र में परीक्षण करें
YOLO-NAS (मध्यम)	640	ऑब्जेक्ट डिटेक्शन	yolo-nas-m-640	ब्राउज़र में परीक्षण करें
YOLO-NAS (बड़ा)	640	ऑब्जेक्ट डिटेक्शन	yolo-nas-l-640	ब्राउज़र में परीक्षण करें

कोड उदाहरण

1

अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें Roboflow API सेटिंग्स पेज और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताओं को इंस्टॉल करें

Inference SDK इंस्टॉल करें और supervision डिकोड करने और प्रेडिक्शन ड्रॉ करने के लिए:

pip install -U inference-sdk supervision opencv-python

3

मॉडल चलाएँ

यह उदाहरण पूर्व-प्रशिक्षित yolo-nas-s-640 चेकपॉइंट चलाता है। अपने स्वयं के वेट्स सर्व करने के लिए, इसे अपने {workspace}/{model-slug} ID में बदलें (देखें संस्करण, प्रशिक्षण और मॉडल).

import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="yolo-nas-s-640")

detections = sv.Detections.from_inference(results)

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)

सेट करें api_url अपने डिप्लॉयमेंट लक्ष्य से मेल कराने के लिए:

• https://serverless.roboflow.com सर्वरलेस क्लाउड API के लिए।

• http://localhost:9001 एक स्थानीय इन्फरेंस सर्वर के लिए।

• आपका समर्पित डिप्लॉयमेंट एक निजी एंडपॉइंट के लिए URL।

आप चेकपॉइंट को इन-प्रोसेस भी लोड कर सकते हैं inference पैकेज के साथ:

from inference import get_model

model = get_model(model_id="yolo-nas-s-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")