> 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/train/train-a-model.md). # एक मॉडल प्रशिक्षित करें Roboflow डैशबोर्ड में अत्याधुनिक तकनीक का उपयोग करके एक मॉडल प्रशिक्षित करें। ## के बारे में आप Roboflow इंटरफ़ेस में कंप्यूटर विज़न मॉडल प्रशिक्षित कर सकते हैं। Roboflow दो प्रशिक्षण विकल्प प्रदान करता है: * Roboflow कस्टम ट्रेन: हमारी प्रमुख प्रशिक्षण सेवा, उत्पादन-तैयार मॉडल बनाने के लिए आदर्श। * [न्यूरल आर्किटेक्चर सर्च](/models/hi/train/neural-architecture-search.md): नए मॉडल आर्किटेक्चर खोजें और साथ ही फाइन-ट्यून करें। साथ ही, जब आप अपनी इमेज एनोटेशन के पहले बैच को स्वीकृत करते हैं, तो एक **Roboflow इंस्टेंट मॉडल** स्वचालित रूप से प्रशिक्षित हो जाता है। इन मॉडलों का तुरंत ऑटो लेबलिंग या परिनियोजन के लिए उपयोग किया जा सकता है। Roboflow पर प्रशिक्षित मॉडल को Inference, हमारे ऑन-डिवाइस इन्फ़रेंस सर्वर, या क्लाउड में हमारे Serverless Cloud API के साथ Workflows, Workflows के साथ Batch Processing, या आपके मॉडल API endpoint का उपयोग करके परिनियोजित किया जा सकता है। {% hint style="info" %} हमारी [लाइसेंसिंग मार्गदर्शिका](https://roboflow.com/licensing) पढ़ें ताकि आप जान सकें कि Roboflow पर प्रशिक्षित मॉडलों का लाइसेंस कैसे होता है। {% endhint %} ## वेब ऐप ### एक मॉडल प्रशिक्षित करें कंप्यूटर विज़न मॉडल प्रशिक्षित करने के लिए, प्रोजेक्ट नेविगेशन में "Train" पर जाएँ।
एक प्रशिक्षण कार्य कॉन्फ़िगर करना शुरू करने के लिए "Custom Training" बटन पर क्लिक करें:
#### न्यूरल आर्किटेक्चर सर्च (NAS) ऑब्जेक्ट डिटेक्शन और इंस्टेंस सेगमेंटेशन प्रोजेक्ट्स के लिए, आप **न्यूरल आर्किटेक्चर सर्च (NAS)** का उपयोग एकल मॉडल आर्किटेक्चर चुनने के बजाय कर सकते हैं। NAS स्वचालित रूप से कई मॉडल कॉन्फ़िगरेशन प्रशिक्षित और मूल्यांकित करता है, फिर आपकी सटीकता और लेटेंसी आवश्यकताओं के आधार पर सबसे अच्छा मॉडल सुझाता है। NAS का उपयोग करने के लिए, प्रशिक्षण इंजन चुनते समय NAS विकल्प चुनें। NAS के लिए कम से कम 15 वैलिडेशन इमेज आवश्यक हैं। NAS प्रशिक्षण चार्ट्स के बारे में अधिक जानकारी के लिए, देखें [प्रशिक्षण परिणाम देखें](/models/hi/evaluate/training-results.md#nas-training-charts). #### एक मॉडल आर्किटेक्चर चुनें इसके बाद, आपको मॉडल आर्किटेक्चर और आकार चुनना होगा। यह वही मशीन लर्निंग तकनीक है जिसका उपयोग आपके मॉडल को प्रशिक्षित करने के लिए किया जाता है। आप जिन मॉडल आर्किटेक्चर को प्रशिक्षित कर सकते हैं, वे आपके सेट किए गए प्रोजेक्ट के प्रकार पर निर्भर करते हैं। देखें [समर्थित मॉडल तालिका](/models/hi/supported-models.md) प्रशिक्षण संगतता के विवरण के लिए। ऑब्जेक्ट डिटेक्शन के लिए, RF-DETR सर्वोत्तम सटीकता प्रदान करता है। इंस्टेंस सेगमेंटेशन के लिए, RF-DETR Seg (Preview) सर्वोत्तम सटीकता प्रदान करता है। कीपॉइंट डिटेक्शन के लिए, RF-DETR Keypoint (Preview) भी उपलब्ध है। आपके चुने हुए मॉडल के आर्किटेक्चर के आधार पर मॉडल आकार अलग-अलग होंगे। उदाहरण के लिए, RF-DETR - एक अत्याधुनिक ऑब्जेक्ट डिटेक्शन मॉडल - Nano, Small, Medium, और Base प्रदान करता है। Medium, Large, और Extra Large केवल भुगतान करने वाले उपयोगकर्ताओं के लिए उपलब्ध हैं। एक [SAM3](/models/hi/supported-models/sam3.md) मॉडल का प्रशिक्षण भुगतान योजनाओं पर उपलब्ध है जिनमें [उपयोग-आधारित बिलिंग](https://docs.roboflow.com/platform/billing-and-plans/credits)शामिल है। इसके बाद, SAM3 आर्किटेक्चर सूची में "Request Feature" बटन के साथ दिखाई देता है, जिसका उपयोग आप एक्सेस पाने के लिए कर सकते हैं। अपने प्रोजेक्ट प्रकार के लिए उपलब्ध आर्किटेक्चर चुनें, फिर "Continue" पर क्लिक करें:
#### एक चेकपॉइंट चुनें प्रशिक्षण विकल्प चुनने के बाद, आपसे पूछा जाएगा कि क्या आप चेकपॉइंट से प्रशिक्षण शुरू करना चाहते हैं। नीचे दिए गए टैब प्रत्येक मॉडल प्रकार के लिए कॉन्फ़िगरेशन विकल्प दिखाते हैं। {% tabs %} {% tab title="ऑब्जेक्ट डिटेक्शन" %} आपके पास तीन विकल्प हैं: * **पिछले चेकपॉइंट से प्रशिक्षण करें:** जब आपके पास पहले से काम कर रहा मॉडल हो और आप उसे बेहतर बनाना चाहते हों, तब यह आदर्श है। * **पब्लिक चेकपॉइंट से प्रशिक्षण करें:** यह आपके पहले मॉडल के लिए, या तब आदर्श है जब पिछले प्रशिक्षण रन ने अपेक्षित परिणाम हासिल नहीं किए हों। * **रैंडम इनिशियलाइज़ेशन से प्रशिक्षण करें:** **केवल उन्नत उपयोगकर्ताओं के लिए**यह विकल्प आपको प्रशिक्षण के लिए एक खाली शुरुआत देता है। इस विकल्प का उपयोग करने पर अधिकांश उपयोगकर्ताओं को खराब परिणाम मिलते हैं। {% endtab %} {% tab title="वर्गीकरण/सिमैंटिक सेगमेंटेशन" %} वर्गीकरण और सिमैंटिक सेगमेंटेशन मॉडलों के लिए, केवल एक ही चेकपॉइंट उपलब्ध है। {% endtab %} {% endtabs %}
मैं प्रशिक्षण विकल्प कैसे चुनूँ? हम नए ऑब्जेक्ट डिटेक्शन प्रोजेक्ट्स के लिए पब्लिक चेकपॉइंट से प्रशिक्षण की अनुशंसा करते हैं। डिफ़ॉल्ट रूप से, हम Microsoft COCO डेटासेट पर प्रशिक्षित मॉडल से प्रशिक्षण प्रदान करते हैं। वर्गीकरण और सिमैंटिक सेगमेंटेशन के लिए, हम केवल ImageNet से प्रशिक्षण का समर्थन करते हैं। आप Universe पर होस्ट किए गए प्रोजेक्ट्स पर आधारित चेकपॉइंट्स से प्रशिक्षण कर सकते हैं (केवल ऑब्जेक्ट डिटेक्शन)। ऐसा करने के लिए, पहले [Universe में किसी प्रोजेक्ट को स्टार करें](https://blog.roboflow.com/launch-universe-model-checkpoint/). फिर, वह प्रोजेक्ट Roboflow वेब एप्लिकेशन में प्रशिक्षण चेकपॉइंट के रूप में उपलब्ध होगा। इसके अलावा, आप मॉडल के पिछले संस्करण पर आधारित चेकपॉइंट से प्रशिक्षण कर सकते हैं (केवल ऑब्जेक्ट डिटेक्शन, इंस्टेंस सेगमेंटेशन, और कीपॉइंट डिटेक्शन)। यह विधि तेज़ प्रशिक्षण प्रक्रिया की अनुमति देती है। हम केवल तब ही अपने मॉडल के लिए पिछले चेकपॉइंट से प्रशिक्षण की सलाह देते हैं जब आपका मॉडल अच्छा प्रदर्शन करता हो)। चेकपॉइंट से प्रशिक्षण का अर्थ है कि आप [ट्रांसफ़र लर्निंग](https://blog.roboflow.com/what-is-transfer-learning/)का उपयोग कर रहे हैं। ट्रांसफ़र लर्निंग आपके द्वारा चुने गए मॉडल से आपके मॉडल प्रशिक्षण को प्रारंभ करेगा। इससे प्रशिक्षण समय कम करने में मदद मिल सकती है, और बेहतर प्रशिक्षण स्कोर मिल सकते हैं। शुरुआत से प्रशिक्षण का अर्थ है कि आप *नहीं* ट्रांसफ़र लर्निंग का उपयोग कर रहे हैं। इससे आपके मॉडल प्रशिक्षण की शुरुआत मॉडल वेट्स के यादृच्छिक प्रारंभिक मानों से होगी।
#### क्रेडिट कैप सेट करें आप सीमित कर सकते हैं कि एक प्रशिक्षण रन कितने क्रेडिट खर्च करेगा। प्रशिक्षण विकल्पों में "Credit Cap" में एक संख्या दर्ज करें, या बिना कैप के चलाने के लिए इसे खाली छोड़ दें। कैप्स के लिए एक ऐसी योजना आवश्यक है जिसमें [उपयोग-आधारित बिलिंग](https://docs.roboflow.com/platform/billing-and-plans/credits). जब कोई रन अपनी कैप तक पहुँच जाता है, तो Roboflow उसे रोक देता है और मॉडल वेट्स रखता है, ठीक वैसे ही जैसे [प्रशिक्षण को जल्दी रोकना](/models/hi/train/cancel-a-training-job.md). जब जॉब चल रही होती है, तो प्रशिक्षण दिखाता है कि उसने कैप किए गए क्रेडिट्स में से कितने उपयोग किए हैं। हर मॉडल की एक न्यूनतम कैप होती है, जो इनपुट के नीचे दिखाई देती है। न्यूनतम उस सबसे छोटे रन की लागत है जो फिर भी मॉडल बना सकता है, इसलिए उससे छोटी कैप अस्वीकार कर दी जाती है। लागत अनुमान से नीचे की कैप अनुमति है, लेकिन रन के पूरा होने से पहले रुकने की संभावना होगी। [न्यूरल आर्किटेक्चर सर्च](/models/hi/train/neural-architecture-search.md) ट्रेनिंग और आर्किटेक्चर सर्च के लिए बिलिंग अलग-अलग करता है, इसलिए इसकी दो कैप होती हैं: "Training Credit Cap" और "Search Credit Cap"। एक सेट करने पर दूसरा चरण बिना कैप के रहता है। यदि कैप वाला रन कुछ क्रेडिट शेष रहते रुक जाता है, तो आप उसे जारी रख सकते हैं। नया रन कैप के भीतर बचे हुए क्रेडिट का उपयोग कर सकता है। यदि मॉडल की न्यूनतम राशि से भी कम बचा है, तो इसके बजाय नया प्रशिक्षण शुरू करें। #### प्रशिक्षण जॉब शुरू करें एक बार जब आपने प्रशिक्षण के लिए चेकपॉइंट चुन लिया, तो Start Training पर क्लिक करें। फिर आपका डेटासेट ज़िप किया जाएगा और Roboflow क्लाउड में प्रशिक्षण के लिए तैयार किया जाएगा। प्रशिक्षण शुरू होने से पहले, प्रशिक्षण सारांश अनुमानित अवधि और क्रेडिट लागत दिखाता है:
डेटासेट जितना बड़ा होगा, और आपके डेटासेट में इमेज जितनी बड़ी होंगी, आपके मॉडल को प्रशिक्षित होने में उतना ही अधिक समय लगेगा। जब प्रशिक्षण प्रक्रिया समाप्त होगी, तो आपको एक ईमेल प्राप्त होगा। अधिकांश मामलों में, यह 24 घंटे के भीतर होना चाहिए। #### मूल्य निर्धारण Roboflow पर प्रशिक्षण की कीमत ट्रेन जॉब की अवधि के आधार पर तय होती है। आप हमारी [क्रेडिट्स पेज](https://www.roboflow.com/credits). पर अधिक जानकारी देख सकते हैं। यदि आप छात्र या शोधकर्ता हैं और जिस प्रोजेक्ट पर आप काम कर रहे हैं उसके लिए क्रेडिट्स की आवश्यकता है, तो आप [अतिरिक्त क्रेडिट्स के लिए आवेदन कर सकते हैं](https://roboflow.com/contribute). ### एजेंट से प्रशिक्षण करें आप वही प्रशिक्षण रन [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) से चैट छोड़े बिना शुरू कर सकते हैं। Agent में एक प्रोजेक्ट टैब खोलें और "Train" पर क्लिक करें। प्रशिक्षण चरण उसी टैब में खुलते हैं: पहले एक प्रशिक्षण इंजन चुनें, फिर आर्किटेक्चर और आकार, फिर डेटासेट संस्करण। यदि आपके चुने गए संस्करण को अभी तक एक्सपोर्ट नहीं किया गया है, तो Agent पहले एक्सपोर्ट तैयार करता है और उसकी प्रगति दिखाता है। एक्सपोर्ट तैयार होते ही प्रशिक्षण शुरू हो जाता है। यदि प्रोजेक्ट का कोई संस्करण नहीं है, तो आप उसी स्क्रीन से एक बना सकते हैं। यदि आप चैट में Agent से मॉडल प्रशिक्षित करने को कहते हैं, तो यह पुष्टि करने से पहले सटीक सेटअप के लिए अनुमानित अवधि और क्रेडिट लागत दिखाता है। प्रशिक्षण अक्सर जल्दी रुक जाता है, इसलिए Agent पूरे रन की हर epoch पर होने वाली लागत के साथ सामान्य लागत भी दिखाता है। जब तक आप पुष्टि नहीं करते, कुछ शुरू नहीं होता, और यदि रन शुरू होने से पहले पूरे रन का अनुमान बदल जाता है, तो Agent रुक जाता है और आपको नए नंबर की पुष्टि करने को कहता है। इस तरह प्रशिक्षण करने के लिए आपको Train Model और List Versions अनुमतियाँ चाहिए। ### एक संस्करण पर कई मॉडल प्रशिक्षित करें आप समान डेटासेट संस्करण पर एक से अधिक मॉडल प्रशिक्षित कर सकते हैं ताकि समान डेटा के विरुद्ध आर्किटेक्चर या आकारों की तुलना कर सकें। प्रत्येक प्रशिक्षण स्वतंत्र रूप से चलता और मूल्यांकित होता है, और संस्करण पृष्ठ हर प्रशिक्षण को सूचीबद्ध करता है ताकि आप उनके बीच स्विच कर सकें। ## HTTP API एक बार किसी प्रोजेक्ट में जनरेट किया गया डेटासेट संस्करण हो जाने पर, आप एक प्रशिक्षण जॉब शेड्यूल कर सकते हैं जो एक होस्टेड मॉडल बनाता है। ### एक प्रशिक्षण जॉब शुरू करें डेटासेट संस्करण पर एक प्रशिक्षण रन शुरू करें। डेटासेट संस्करण URL पथ का हिस्सा है। ```url POST https://api.roboflow.com/:workspace/:project/:version/train ``` **बॉडी**
नामप्रकारविवरणआवश्यक
model_typestringआर्किटेक्चर पहचानकर्ता (उदा. rfdetr-nano, yolov8, yolov11). अमान्य मान देने पर पूरी सूची त्रुटि के रूप में वापस मिलती है।true
checkpointstringप्रशिक्षण जारी रखने के लिए वैकल्पिक चेकपॉइंट।false
epochsपूर्णांकepochs की संख्या।false
speedstringतेज़ (डिफ़ॉल्ट) या सटीक. सटीक एक भुगतान सुविधा है।false
trainingCreditCapसंख्याअधिकतम क्रेडिट जो प्रशिक्षण बंद होने से पहले खर्च कर सकता है। यह मॉडल की न्यूनतम राशि से कम से कम होना चाहिए।false
nasMiningCreditCapसंख्याअधिकतम क्रेडिट जो NAS आर्किटेक्चर सर्च खर्च कर सकता है। केवल NAS मॉडल प्रकारों के लिए मान्य।false
```bash curl "https://api.roboflow.com/my-workspace/my-detector/3/train?api_key=$ROBOFLOW_API_KEY" \ -X POST \ -H "Content-Type: application/json" \ -d '{"model_type": "rfdetr-base"}' ``` प्रशिक्षण असिंक्रोनस रूप से चलता है। प्रतिक्रिया केवल यह पुष्टि करती है कि जॉब कतार में डाल दी गई थी, यह नहीं कि वह समाप्त हो गई है। प्रगति जाँचने के लिए, पोल करें [प्रशिक्षण परिणाम](/models/hi/evaluate/training-results.md) या संस्करण के `मॉडल` फ़ील्ड पर नज़र रखें ताकि प्रशिक्षित मॉडल दिखाई दे। यदि संस्करण प्रशिक्षण के लिए तैयार नहीं है, तो अनुरोध लौटाता है `400` के साथ एक `कोड` और एक `उपाय` फ़ील्ड। उपाय सुधार का नाम बताता है, इसलिए स्क्रिप्ट या एजेंट को संदेश पढ़ने की ज़रूरत नहीं होती: `rebalance` (पर्याप्त इमेज हैं, लेकिन वे गलत splits में हैं), `upload` (डेटासेट को और इमेज की आवश्यकता है), `annotate` (इमेज को लेबल चाहिए), `regenerate` (संस्करण जनरेशन विफल हो गई, इसलिए नया संस्करण जनरेट करें), या `wait` (rebalance या generation अभी भी चल रहा है)। डेटा से संबंधित नहीं होने वाली त्रुटियों, जैसे प्लान सीमाएँ, में कोई `उपाय`. प्लान सीमाएँ यहाँ उसी तरह लागू होती हैं जैसे वे वेब ऐप में होती हैं। यदि आपके प्लान में वह आर्किटेक्चर शामिल नहीं है जिसे आप माँगते हैं, तो अनुरोध लौटाता है `400` और कोई जॉब शुरू नहीं होती: `nas_not_available_for_plan` के लिए [NAS](/models/hi/train/neural-architecture-search.md) मॉडल प्रकार, `sam3_not_available_for_plan` के लिए [SAM3](/models/hi/supported-models/sam3.md) मॉडल प्रकार। मॉडल की न्यूनतम राशि से नीचे की क्रेडिट कैप, या ऐसे workspace पर कोई भी कैप जो क्रेडिट पर बिल नहीं करता, लौटाता है `400` कोड के साथ `invalid_credit_cap`. त्रुटि संदेश न्यूनतम राशि बताता है। कॉल करने वाली API key में `trainingJob:create` scope होना चाहिए। ## Python SDK `Version.train()` Roboflow प्लेटफ़ॉर्म पर प्रशिक्षण शेड्यूल करता है। जॉब के कतार में लगते ही कॉल वापस आ जाती है - प्रशिक्षण स्वयं असिंक्रोनस रूप से चलता है। ```python import roboflow rf = roboflow.Roboflow(api_key="YOUR_API_KEY") project = rf.workspace().project("my-detector") # यदि आपके पास अभी तक कोई version नहीं है, तो preprocessing और augmentation के साथ एक version बनाएँ। new_version = project.generate_version({ "preprocessing": { "auto-orient": True, "resize": {"width": 640, "height": 640, "format": "Stretch to"}, }, "augmentation": {}, }) version = project.version(new_version) # प्रशिक्षण शेड्यूल करें। model = version.train( model_type="rfdetr-nano", # पूरी सूची त्रुटि के रूप में वापस पाने के लिए अमान्य मान दें checkpoint=None, # वैकल्पिक: पिछले चेकपॉइंट से फिर से शुरू करें epochs=100, # वैकल्पिक: डिफ़ॉल्ट मान मॉडल-प्रकार पर निर्भर हैं plot_in_notebook=False, # प्रशिक्षण-प्रगति प्लॉट दिखाएँ (केवल notebook) ) ``` ### पैरामीटर * `model_type` (str) - आर्किटेक्चर पहचानकर्ता। सामान्य मान: `rfdetr-nano`, `rfdetr-base`, `yolov8`, `yolov11`. प्रोजेक्ट-प्रकार पर निर्भर। अमान्य मान देने पर पूरी सूची त्रुटि के रूप में वापस मिलती है। * `speed` (str, वैकल्पिक) - `"fast"` (डिफ़ॉल्ट) या `"accurate"`. सटीक प्रशिक्षण एक भुगतान सुविधा है। * `checkpoint` (str, वैकल्पिक) - फिर से शुरू करने के लिए चेकपॉइंट का id। * `epochs` (int, वैकल्पिक) - epochs की संख्या। डिफ़ॉल्ट मान मॉडल-प्रकार पर निर्भर हैं। * `plot_in_notebook` (bool, डिफ़ॉल्ट `False`) - प्रशिक्षण प्रगति को इनलाइन दिखाएँ (केवल notebook)। ### प्रशिक्षण के बाद प्रशिक्षण पूरा होने पर, `Version`का `.model` प्रॉपर्टी होस्टेड मॉडल लौटाती है: ```python predictions = version.model.predict("photo.jpg", confidence=40, overlap=30).json() ``` देखें [एक इमेज पर मॉडल चलाएँ](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api#python-sdk) पूर्ण इन्फ़रेंस संदर्भ के लिए। ## CLI आप कमांड लाइन से मॉडल प्रशिक्षण शुरू कर सकते हैं। प्रशिक्षण Roboflow के क्लाउड इन्फ्रास्ट्रक्चर पर चलता है। ### कमांड ```bash roboflow train start -p -v -t ``` या शॉर्टहैंड का उपयोग करें (बिना `start`): ```bash roboflow train -p -v -t ``` #### विकल्प | फ़्लैग | विवरण | | ----------------- | ------------------------------------------ | | `-p`, `--project` | प्रोजेक्ट ID (आवश्यक) | | `-v`, `--version` | संस्करण संख्या (आवश्यक) | | `-t`, `--type` | मॉडल प्रकार, उदा. `yolov8n`, `rfdetr-nano` | | `--checkpoint` | जिस चेकपॉइंट से प्रशिक्षण फिर शुरू करना है | | `--speed` | प्रशिक्षण गति प्रीसेट | | `--epochs` | प्रशिक्षण epochs की संख्या | ### उदाहरण किसी विशिष्ट मॉडल प्रकार के साथ प्रशिक्षण शुरू करें: ```bash roboflow train start -p my-detector -v 3 -t yolov8n ``` किसी चेकपॉइंट से फिर से शुरू करें: ```bash roboflow train start -p my-detector -v 3 -t yolov8n --checkpoint my-checkpoint ``` ### JSON आउटपुट ```bash roboflow train start -p my-detector -v 3 -t yolov8n --json ``` ```json { "status": "training_started", "project": "my-detector", "version": 3 } ``` ## MCP सर्वर अपने AI एजेंट को [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) से जोड़ें और वह इन टूल्स के साथ एक मॉडल प्रशिक्षित कर सकता है:
टूलविवरण
trainings_describe_recipeकिसी मॉडल प्रकार के लिए ट्यूनिंग विकल्पों का वर्णन करें और तैयार-से-प्रस्तुत रेसिपी लौटाएँ।
trainings_createडेटासेट संस्करण पर एक प्रशिक्षण रन शुरू करें।
trainings_getएक प्रशिक्षण की स्थिति, उत्पन्न मॉडल, और मेट्रिक्स प्राप्त करें।
trainings_listडेटासेट संस्करण पर प्रशिक्षण रन सूचीबद्ध करें।
## अगले कदम * [एक प्रशिक्षण जॉब रोकें या रद्द करें](/models/hi/train/cancel-a-training-job.md). * देखें कि आपके मॉडल ने कैसा प्रदर्शन किया और प्रशिक्षण रन की तुलना करें। देखें [प्रशिक्षित मॉडलों का मूल्यांकन करें](/models/hi/evaluate/evaluate-trained-models.md). * अपने मॉडल को इस के साथ परिनियोजित करें [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api).