> 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

हमारे सर्वरलेस क्लाउड API के माध्यम से YOLOv10 ऑब्जेक्ट डिटेक्शन मॉडल का उपयोग करें

मौजूदा YOLOv10 मॉडल उपलब्ध हैं के माध्यम से [सर्वरलेस क्लाउड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) और [स्व-होस्टेड इन्फरेंस](https://docs.roboflow.com/deployment/self-hosted/self-hosted)। YOLOv10 के लिए नए वेट्स अपलोड और प्रशिक्षण Roboflow पर समर्थित नहीं हैं। समर्थित अपलोड परिवारों के लिए, देखें [कस्टम वेट्स अपलोड करें](https://docs.roboflow.com/models/hi/model-weights/upload-custom-weights.md).

YOLOv10 का प्रशिक्षण Roboflow पर 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).

## YOLOv10 प्रीट्रेंड उपनाम

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

| मॉडल     | इनपुट आकार | कार्य             | मॉडल आईडी      | 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) |

## YOLOv10 API

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएं, 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 पूर्वानुमानों को डिकोड और ड्रॉ करने के लिए इंस्टॉल करें:

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण प्रीट्रेंड `yolov10n-640` चेकपॉइंट चलाता है। किसी मौजूदा अपलोड किए गए मॉडल को चलाने के लिए, इसकी `{workspace}/{model-slug}` ID का उपयोग करें (देखें [संस्करण, प्रशिक्षण, और मॉडल](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="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 डिप्लॉयमेंट लक्ष्य से मिलाने के लिए:

* `https://serverless.roboflow.com` सर्वरलेस क्लाउड API के लिए।
* `http://localhost:9001` स्थानीय [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) सर्वर के लिए।
* आपका [समर्पित डिप्लॉयमेंट](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="yolov10n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")
```

## लाइसेंस

YOLOv10 AGPL-3.0 के अंतर्गत जारी किया गया है। वाणिज्यिक उपयोग के लिए इसका क्या अर्थ है:

* **Roboflow क्लाउड पर:** प्रत्येक उपयोगकर्ता के लिए, निःशुल्क योजना सहित, एक वाणिज्यिक लाइसेंस शामिल है।
* **स्व-होस्टेड:** आपको Enterprise license add-on की आवश्यकता है, या आपको अपने एप्लिकेशन को AGPL-3.0 के अंतर्गत ओपन-सोर्स करना होगा।
* **अनुमेय विकल्प:** [RF-DETR](https://docs.roboflow.com/models/hi/supported-models/rf-detr.md) Apache 2.0 है, जो कहीं भी वाणिज्यिक उपयोग के लिए निःशुल्क है।

देखें [Roboflow की Ultralytics लाइसेंसिंग](https://roboflow.com/ultralytics) विवरण के लिए।
