> 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/yolov7.md).

# YOLOv7

हमारे सर्वरलेस क्लाउड API के माध्यम से YOLOv7 इंस्टेंस सेगमेंटेशन का उपयोग करें

मौजूदा YOLOv7 मॉडल अभी भी ... के माध्यम से उपलब्ध हैं [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) और [स्व-होस्टेड Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted). YOLOv7 के लिए नए वेट 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).

स्व-होस्टेड डिप्लॉयमेंट के लिए देखें [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

YOLOv7 इनपुट आकार तब सेट किया जाता है जब आप अपना मॉडल Roboflow के बाहर ट्रेन करते हैं (सामान्य मान: 640x640 या 1280x1280)।

## YOLOv7 API

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएं, अपनी कुंजी यहां खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने शेल में उपलब्ध कराएं:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### निर्भरताएँ इंस्टॉल करें

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

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOv7 इंस्टेंस सेगमेंटेशन मॉडल चलाता है, जिसे [कंक्रीट की सतह के दोष](https://universe.roboflow.com/road-ywxxe/concrete-pugqq) (`concrete-pugqq/3`), फिर अनुमानित मास्क रेंडर करने के लिए supervision का उपयोग करता है। किसी मौजूदा अपलोड किए गए मॉडल को चलाने के लिए, उसके `{workspace}/{model-slug}` आईडी 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/docs/concrete-crack.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="concrete-pugqq/3")

detections = sv.Detections.from_inference(results)

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

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

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-d39021d44de10c5eeece73abfef23ec8ad7322dd%2Fyolov7-concrete-segmentation.webp?alt=media" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
सेट करें `api_url` को अपने डिप्लॉयमेंट लक्ष्य के अनुसार मिलाएँ:

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