> 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/yolov10.md).

# YOLOv10

YOLOv10 एक ऑब्जेक्ट डिटेक्शन मॉडल है जो इन्फरेंस पथ से non-maximum suppression हटाता है, जिससे latency कम होती है। Roboflow COCO-pretrained YOLOv10 checkpoints को छोटे aliases के तहत उपलब्ध कराता है, और आप [अपने स्वयं के weights अपलोड कर सकते हैं](/models/hi/model-weights/upload-custom-weights.md) ताकि आप कहीं और प्रशिक्षित मॉडल चला सकें।

Roboflow पर YOLOv10 का प्रशिक्षण समर्थित नहीं है। Roboflow-trained detector के लिए, देखें [RF-DETR](/models/hi/supported-models/rf-detr.md), [YOLO26](/models/hi/supported-models/yolo26.md)या [YOLO11](/models/hi/supported-models/yolo11.md).

## Pretrained aliases

इनमें से एक ID को `model_id` के रूप में पास करें ताकि बिना कुछ प्रशिक्षण किए COCO-pretrained checkpoint चलाया जा सके। पूरी सूची यहाँ उपलब्ध है [Pretrained Model Aliases](/models/hi/pretrained-aliases.md) पेज पर।

| मॉडल     | इनपुट आकार | कार्य             | मॉडल ID        | परीक्षण                                                                            |
| -------- | ---------- | ----------------- | -------------- | ---------------------------------------------------------------------------------- |
| YOLOv10n | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10n-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/19) |
| YOLOv10s | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10s-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/20) |
| YOLOv10m | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10m-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/21) |
| YOLOv10b | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10b-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/22) |
| YOLOv10l | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10l-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/23) |
| YOLOv10x | 640        | ऑब्जेक्ट डिटेक्शन | `yolov10x-640` | [ब्राउज़र में परीक्षण करें](https://universe.roboflow.com/microsoft/coco/model/24) |

## कोड उदाहरण

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें [Roboflow API settings page](https://app.roboflow.com/settings/api) और इसे अपनी shell 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 predictions को draw करने के लिए इंस्टॉल करें:

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण pretrained `yolov10n-640` checkpoint चलाता है। अपनी weights serve करने के लिए, अपने `{workspace}/{model-slug}` ID को बदलें (देखें [Versions, Trainings, and Models](/models/hi/versions-trainings-and-models.md)).

```python
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="yolov10n-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 deployment target से मिलाएँ:

* `https://serverless.roboflow.com` Serverless Hosted API के लिए।
* `http://localhost:9001` एक local [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) server के लिए।
* आपका [Dedicated Deployment](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) private endpoint के लिए URL।
  {% endhint %}

आप checkpoint को in-process भी लोड कर सकते हैं [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) package के साथ:

```python
from inference import get_model

model = get_model(model_id="yolov10n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")
```