> 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/yolo-nas.md).

# YOLO-NAS

हमारे सर्वरलेस क्लाउड 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 से तैयार किया गया है। Roboflow COCO-प्रशिक्षित YOLO-NAS चेकपॉइंट्स को छोटे उपनामों के तहत उपलब्ध कराता है, और आप [अपने स्वयं के वज़न अपलोड कर सकते हैं](https://docs.roboflow.com/models/hi/model-weights/upload-custom-weights.md) ताकि आप कहीं और प्रशिक्षित किए गए मॉडल को चला सकें।

Roboflow पर YOLO-NAS का प्रशिक्षण समर्थित नहीं है। Roboflow-प्रशिक्षित डिटेक्टर के लिए देखें [RF-DETR](https://docs.roboflow.com/models/hi/supported-models/rf-detr.md), [YOLO26](https://docs.roboflow.com/models/hi/supported-models/yolo26.md)या [YOLO11](https://docs.roboflow.com/models/hi/supported-models/yolo11.md).

## YOLO-NAS प्रीट्रेंड उपनाम

इनमें से किसी एक ID को `model_id` के रूप में पास करें ताकि बिना कुछ ट्रेन किए COCO-प्रशिक्षित चेकपॉइंट चलाया जा सके। पूरी सूची यहाँ उपलब्ध है [प्रीट्रेंड मॉडल उपनाम](https://docs.roboflow.com/models/hi/pretrained-aliases.md) पृष्ठ पर।

| मॉडल             | इनपुट आकार | कार्य             | मॉडल ID          | परीक्षण                                                                            |
| ---------------- | ---------- | ----------------- | ---------------- | ---------------------------------------------------------------------------------- |
| YOLO-NAS (छोटा)  | 640        | ऑब्जेक्ट डिटेक्शन | `yolo-nas-s-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/14) |
| YOLO-NAS (मध्यम) | 640        | ऑब्जेक्ट डिटेक्शन | `yolo-nas-m-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/15) |
| YOLO-NAS (बड़ा)  | 640        | ऑब्जेक्ट डिटेक्शन | `yolo-nas-l-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/16) |

## YOLO-NAS 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

Inference SDK और [supervision](https://supervision.roboflow.com/) को डिकोडिंग और प्रेडिक्शन ड्रॉ करने के लिए इंस्टॉल करें:

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण प्रीट्रेंड `yolo-nas-s-640` चेकपॉइंट चलाता है। अपने स्वयं के वज़न सर्व करने के लिए, अपने `{workspace}/{model-slug}` ID को बदलें (देखें [वर्ज़न, ट्रेनिंग्स, और मॉडल्स](https://docs.roboflow.com/models/hi/versions-trainings-and-models.md)).

```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/inference/people-walking.jpg")

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="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)
```

{% endstep %}
{% endstepper %}

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

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

आप चेकपॉइंट को इन-प्रोसेस भी लोड कर सकते हैं [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) पैकेज के साथ:

```python
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")
```

## कस्टम वज़न अपलोड करें

Roboflow के बाहर प्रशिक्षित YOLO-NAS मॉडल चलाने के लिए, उसके वज़न को [Roboflow CLI](https://docs.roboflow.com/reference/platform/cli/install-and-set-up-the-cli):

```bash
roboflow upload_model -p my-project -v 1 -t yolonas -m ./checkpoints/my-run
```

मॉडल डायरेक्टरी में एक `opt.yaml` होना चाहिए जो आर्किटेक्चर का नाम बताता हो (उदाहरण: `architecture: yolo_nas_s`)। देखें [कस्टम वज़न अपलोड करें](https://docs.roboflow.com/models/hi/model-weights/upload-custom-weights.md) Python SDK और प्रशिक्षण संस्करण की आवश्यकताओं के लिए।
