> 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

हम अपनी YOLOv7 इंस्टेंस सेगमेंटेशन इन्फरेंसिंग का समर्थन करते हैं [सर्वरलेस क्लाउड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api). YOLOv7 को प्रशिक्षित करना Roboflow पर समर्थित नहीं है, लेकिन आप [अपने स्वयं के weights अपलोड कर सकते हैं](/models/hi/model-weights/upload-custom-weights.md) और उन पर इन्फरेंस चला सकते हैं।

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 प्रशिक्षित करते हैं (सामान्य मान: 640x640 या 1280x1280)।

## YOLOv7 एपीआई

{% 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 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 प्रशिक्षित किया गया है [कंक्रीट सतह की खामियाँ](https://universe.roboflow.com/road-ywxxe/concrete-pugqq) (`concrete-pugqq/3`), फिर पूर्वानुमानित मास्क रेंडर करने के लिए supervision का उपयोग करता है। अपने स्वयं के वेट्स सर्व करने के लिए, अपने `{workspace}/{model-slug}` ID बदलें (देखें [संस्करण, प्रशिक्षण, और मॉडल](/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="/files/368bab5cc0c2961531832fb032b3fb1dd439a819" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

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

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