> 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/yololite.md).

# YOLOlite

YOLOlite Roboflow का एक हल्का ऑब्जेक्ट डिटेक्शन मॉडल परिवार है, जिसे कम-लेटेंसी परिनियोजन और एज हार्डवेयर के लिए डिज़ाइन किया गया है। आप YOLOlite को एक पर प्रशिक्षित कर सकते हैं [प्रोजेक्ट](https://docs.roboflow.com/platform/workspaces/key-concepts) Roboflow में और इसे हमारे माध्यम से तैनात करें [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).

YOLOlite का इनपुट आकार Roboflow पर प्रशिक्षण के दौरान कॉन्फ़िगर किया जाता है।

## उपलब्ध वेरिएंट

YOLOlite दो स्केलिंग परिवारों में उपलब्ध है: एक मानक सेट और एक एज-अनुकूलित सेट। प्रत्येक पाँच आकारों में उपलब्ध है।

<table data-search="false"><thead><tr><th>परिवार</th><th>वेरिएंट</th></tr></thead><tbody><tr><td>मानक</td><td><code>yololite-n</code>, <code>yololite-s</code>, <code>yololite-m</code>, <code>yololite-l</code>, <code>yololite-xl</code></td></tr><tr><td>एज</td><td><code>yololite-edge-n</code>, <code>yololite-edge-s</code>, <code>yololite-edge-m</code>, <code>yololite-edge-l</code>, <code>yololite-edge-xl</code></td></tr></tbody></table>

जब आप किसी प्रोजेक्ट पर प्रशिक्षण शुरू करते हैं, तब आप एक वेरिएंट चुनते हैं। फिर प्रशिक्षित मॉडल Serverless Hosted API से सर्व किया जाता है, जहाँ आप उसे उसके प्रति-मॉडल `{workspace}/{model-slug}` आईडी (देखें [Versions, Trainings, and Models](/models/hi/versions-trainings-and-models.md)).

## 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/reference/inference/inference-sdk) और [supervision](https://supervision.roboflow.com/):

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOlite मॉडल चलाता है, जिसे एक पर प्रशिक्षित किया गया है [स्क्रूज़ डेटासेट](https://universe.roboflow.com/erik-pe6au/rf-bolts) (स्क्रू, फ्लैट-वॉशर, हेक्स-नट) पर प्रशिक्षित किया गया है। अपने प्रशिक्षित वज़न चलाने के लिए अपने `{workspace}/{model-slug}` अपने प्रशिक्षित वज़न चलाने के लिए।

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

image = sv.load_image_from_url("https://media.roboflow.com/docs/bolts.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="erik-pe6au/rf-bolts-4-yololite-s-t1")

detections = sv.Detections.from_inference(results)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)

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

<figure><img src="/files/474d805ad09bda89719e0ddcde559725ded2ccac" alt=""><figcaption></figcaption></figure>
{% 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 %}