> 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). # 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 एक ही समय में फाइन-ट्यून करें। साथ ही, जब आप अपनी पहली बैच की इमेज एनोटेशन को मंज़ूरी देते हैं, तो एक **Roboflow इंस्टेंट मॉडल** अपने आप प्रशिक्षित हो जाता है। इन मॉडलों का उपयोग तुरंत ऑटो-लेबलिंग या डिप्लॉयमेंट के लिए किया जा सकता है। Roboflow पर प्रशिक्षित मॉडल Inference, हमारे ऑन-डिवाइस इन्फरेंस सर्वर, या क्लाउड में हमारे Serverless Cloud API के साथ Workflows, Workflows के साथ Batch Processing, या आपके मॉडल API endpoint का उपयोग करके डिप्लॉय किए जा सकते हैं। {% hint style="info" %} हमारा पढ़ें [लाइसेंसिंग मार्गदर्शन](https://roboflow.com/licensing) यह जानने के लिए कि Roboflow पर प्रशिक्षित मॉडलों को कैसे लाइसेंस किया जाता है। {% endhint %} ## वेब ऐप ### मॉडल प्रशिक्षित करें कंप्यूटर विज़न मॉडल को प्रशिक्षित करने के लिए, प्रोजेक्ट नेविगेशन में "Train" पर जाएँ।
प्रशिक्षण जॉब 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 इसका उपयोग कर सकते हैं **न्यूरल आर्किटेक्चर सर्च (NAS)** किसी एक मॉडल आर्किटेक्चर को चुनने के बजाय। NAS अपने आप कई मॉडल कॉन्फ़िगरेशन को प्रशिक्षित और मूल्यांकन करता है, फिर आपकी सटीकता और लेटेंसी आवश्यकताओं के आधार पर सर्वश्रेष्ठ की सिफारिश करता 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 चार्ट के बारे में अधिक विवरण के लिए, देखें [प्रशिक्षण परिणाम देखें](/models/hi/evaluate/training-results.md#nas-training-charts). #### मॉडल आर्किटेक्चर चुनें इसके बाद, आपको मॉडल आर्किटेक्चर और आकार चुनना होगा। यह मशीन लर्निंग तकनीक है जिसका उपयोग आपके मॉडल को प्रशिक्षित करने के लिए किया जाता है। आप किन मॉडल आर्किटेक्चर को प्रशिक्षित कर सकते हैं, यह आपके द्वारा सेट किए गए प्रोजेक्ट के प्रकार पर निर्भर करता है। देखें [समर्थित मॉडलों की 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। मॉडल का आकार आपके द्वारा चुने गए मॉडल के आर्किटेक्चर के आधार पर अलग-अलग होगा। 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 उन भुगतान वाले प्लानों पर उपलब्ध है जिनमें शामिल हैं [उपयोग-आधारित बिलिंग](https://docs.roboflow.com/platform/billing-and-plans/credits)। वहाँ से, SAM3 आर्किटेक्चर सूची में "Request Feature" बटन के साथ दिखाई देता है, जिसका उपयोग आप पहुँच प्राप्त करने 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 देना 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 दें:** जब आपके पास पहले से कार्यशील मॉडल हो जिसे आप बेहतर बनाना चाहते हैं, तब आदर्श। * **सार्वजनिक चेकपॉइंट से प्रशिक्षण दें:** आपके पहले मॉडल के लिए, या जब पिछला प्रशिक्षण रन अपेक्षित परिणाम न दे पाया हो, तब आदर्श। * **यादृच्छिक आरंभ से प्रशिक्षण दें:** **केवल उन्नत उपयोगकर्ताओं के लिए** , यह विकल्प आपको प्रशिक्षण शुरू करने के लिए एक खाली आधार देता है। अधिकांश उपयोगकर्ताओं को इस विकल्प के साथ खराब परिणाम मिलते हैं। {% endtab %} {% tab title="वर्गीकरण/सिमेंटिक सेगमेंटेशन" %} वर्गीकरण और सिमेंटिक सेगमेंटेशन मॉडलों के लिए केवल एक चेकपॉइंट उपलब्ध है। {% endtab %} {% endtabs %}
मैं प्रशिक्षण विकल्प कैसे चुनूँ? नए ऑब्जेक्ट डिटेक्शन प्रोजेक्ट्स के लिए हम सार्वजनिक चेकपॉइंट से प्रशिक्षण की सलाह देते हैं। डिफ़ॉल्ट रूप से, हम Microsoft COCO डेटासेट पर प्रशिक्षित मॉडल से प्रशिक्षण प्रदान करते हैं। वर्गीकरण और सिमेंटिक सेगमेंटेशन के लिए, हम केवल ImageNet से प्रशिक्षण का समर्थन करते हैं। आप Universe पर होस्ट किए गए प्रोजेक्ट्स के आधार पर चेकपॉइंट्स से प्रशिक्षण दे 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, प्रोजेक्ट Roboflow वेब एप्लिकेशन में प्रशिक्षण चेकपॉइंट के रूप में उपलब्ध होगा। इसके अलावा, आप मॉडल के पिछले संस्करण पर आधारित चेकपॉइंट से भी प्रशिक्षण दे सकते हैं (केवल ऑब्जेक्ट डिटेक्शन, इंस्टेंस सेगमेंटेशन, और कीपॉइंट डिटेक्शन)। यह तरीका तेज़ प्रशिक्षण प्रक्रिया की अनुमति देता है। हम आपके मॉडल के लिए पिछले चेकपॉइंट से प्रशिक्षण की केवल तभी सलाह देते हैं जब आपका मॉडल मजबूत प्रदर्शन करता हो)। चेकपॉइंट से प्रशिक्षण का मतलब है कि आप [ट्रांसफर लर्निंग](https://blog.roboflow.com/what-is-transfer-learning/). ट्रांसफर लर्निंग आपके मॉडल प्रशिक्षण को आपके चुने गए मॉडल से आरंभ करेगी। इससे प्रशिक्षण समय कम हो सकता है, और बेहतर प्रशिक्षण स्कोर मिल सकते हैं। शुरुआत से प्रशिक्षण का मतलब है कि आप *नहीं* ट्रांसफर लर्निंग का उपयोग कर रहे हैं। इससे आपके मॉडल वेट्स के लिए यादृच्छिक प्रारंभिक मानों के साथ मॉडल प्रशिक्षण आरंभ होगा।
#### क्रेडिट सीमा सेट करें आप सीमित कर सकते हैं कि एक प्रशिक्षण रन कितने क्रेडिट खर्च करे। प्रशिक्षण विकल्पों में "Credit Cap" में एक संख्या दर्ज करें, या बिना सीमा के चलाने के लिए इसे खाली छोड़ दें। सीमाओं के लिए एक प्लान आवश्यक है जिसमें [उपयोग-आधारित बिलिंग](https://docs.roboflow.com/platform/billing-and-plans/credits). जब कोई रन अपनी सीमा तक पहुँचता है, तो Roboflow उसे रोक देता है और मॉडल वेट्स को वैसे ही रखता है जैसे [प्रशिक्षण जल्दी रोकना](/models/hi/train/cancel-a-training-job.md). जॉब चलने के दौरान, प्रशिक्षण दिखाता है कि उसने सीमित क्रेडिट में से कितने उपयोग किए हैं। प्रत्येक मॉडल की एक न्यूनतम सीमा होती है, जो इनपुट के नीचे दिखाई देती है। न्यूनतम उस सबसे छोटे रन की लागत है जो फिर भी मॉडल उत्पन्न कर सकता है, इसलिए छोटी सीमा अस्वीकार कर दी जाती है। लागत अनुमान से नीचे की सीमा की अनुमति है, लेकिन रन संभवतः समाप्त होने से पहले रुक जाएगा। [न्यूरल आर्किटेक्चर सर्च](/models/hi/train/neural-architecture-search.md) प्रशिक्षण और आर्किटेक्चर सर्च के लिए अलग-अलग बिलिंग करता है, इसलिए इसकी दो सीमाएँ हैं: "Training Credit Cap" और "Search Credit Cap"। किसी एक को सेट करने पर दूसरी अवस्था बिना सीमा के रहती है। यदि सीमित रन कुछ क्रेडिट बचाकर रुक जाता है, तो आप उसे जारी रख सकते हैं। नया रन सीमा के तहत बची हुई राशि खर्च कर सकता है। यदि मॉडल की न्यूनतम आवश्यकता से कम बचा है, तो इसके बजाय नया प्रशिक्षण शुरू करें। #### प्रशिक्षण जॉब शुरू करें एक बार जब आपने प्रशिक्षण के लिए चेकपॉइंट चुन लिया हो, तो Start Training पर क्लिक करें। आपका डेटासेट फिर 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 उसमें छवियाँ जितनी बड़ी होंगी, आपके मॉडल को प्रशिक्षित होने में उतना अधिक समय लगेगा। प्रशिक्षण प्रक्रिया समाप्त होने पर आपको एक ईमेल प्राप्त होगा। अधिकांश मामलों में, यह 24 घंटों के भीतर होना चाहिए। #### मूल्य निर्धारण Roboflow पर प्रशिक्षण की कीमत ट्रेन जॉब की अवधि पर आधारित होती है। आप हमारी [क्रेडिट्स पेज](https://www.roboflow.com/credits). यदि आप एक 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). ### Agent से ट्रेन करें आप वही प्रशिक्षण रन शुरू कर सकते हैं [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) चैट छोड़े बिना। Agent में प्रोजेक्ट टैब खोलें और "Train" पर क्लिक करें। प्रशिक्षण चरण टैब के अंदर खुलते हैं: एक प्रशिक्षण इंजन चुनें, फिर आर्किटेक्चर और आकार, फिर डेटासेट संस्करण। यदि आपके द्वारा चुना गया संस्करण अभी तक निर्यात नहीं हुआ है, तो Agent पहले निर्यात तैयार करता है और उसकी प्रगति दिखाता है। निर्यात तैयार होने पर प्रशिक्षण शुरू होता है। यदि प्रोजेक्ट का कोई संस्करण नहीं है, तो आप उसी स्क्रीन से एक बना सकते हैं। इस तरह प्रशिक्षित 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 आकार की तुलना कर सकें। प्रत्येक प्रशिक्षण अलग-अलग 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, आप एक प्रशिक्षण जॉब शेड्यूल कर सकते हैं जो एक होस्टेड मॉडल उत्पन्न करता है। ### एक प्रशिक्षण जॉब शुरू करें किसी 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_typeस्ट्रिंगआर्किटेक्चर पहचानकर्ता (उदा. rfdetr-nano, yolov8, yolov11)। पूर्ण सूची को त्रुटि के रूप में वापस पाने के लिए अमान्य मान पास करें।true
checkpointस्ट्रिंगप्रशिक्षण जारी रखने के लिए वैकल्पिक चेकपॉइंट।false
epochsपूर्णांकepochs की संख्या।false
speedस्ट्रिंगतेज़ (डिफ़ॉल्ट) या सटीक. सटीक एक भुगतान वाली सुविधा है।false
trainingCreditCapसंख्याप्रशिक्षण रुकने से पहले अधिकतम क्रेडिट जो प्रशिक्षण खर्च कर सकता है। यह मॉडल की न्यूनतम सीमा से कम से कम होना चाहिए।false
nasMiningCreditCapसंख्याNAS आर्किटेक्चर सर्च अधिकतम कितने क्रेडिट 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 रन असिंक्रोनस रूप से चलता है। प्रतिक्रिया यह पुष्टि करती है कि जॉब कतार में डाल दिया गया था, न कि यह समाप्त हो गया है। प्रगति जांचने के लिए, polling करें [प्रशिक्षण परिणाम](/models/hi/evaluate/training-results.md) या संस्करण के `मॉडल` फ़ील्ड को तब तक देखें जब तक प्रशिक्षित मॉडल दिखाई न दे। यदि संस्करण प्रशिक्षण के लिए तैयार नहीं है, तो अनुरोध वापस करता है `400` के साथ एक `कोड` और एक `उपाय` फ़ील्ड। उपाय सुधार का नाम बताता है, इसलिए स्क्रिप्ट या एजेंट को संदेश पढ़ने की आवश्यकता नहीं होती: `पुनर्संतुलन` (पर्याप्त छवियाँ हैं, लेकिन वे गलत splits में हैं), `अपलोड` (डेटासेट में और छवियों की आवश्यकता है), `एनोटेट करें` (छवियों को लेबल की आवश्यकता है), `पुनः उत्पन्न करें` (संस्करण निर्माण विफल हो गया, इसलिए नया संस्करण बनाएं), या `प्रतीक्षा करें` (पुनर्संतुलन या निर्माण अभी भी चल रहा है)। डेटा से संबंधित नहीं होने वाली त्रुटियों, जैसे प्लान सीमाएँ, के लिए 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 वापस करता है `400` और कोई जॉब शुरू नहीं होता: `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 सीमा से नीचे की क्रेडिट सीमा, या किसी ऐसे वर्कस्पेस पर कोई भी सीमा जो क्रेडिट्स पर बिल नहीं करता, वापस करती है `400` कोड के साथ `invalid_credit_cap`. त्रुटि संदेश न्यूनतम मान बताता है। कॉल करने वाली API key में `trainingJob:create` scope होना चाहिए। ## Python SDK `Version.train()` Roboflow प्लेटफ़ॉर्म पर प्रशिक्षण शेड्यूल करता है। कॉल तब लौटती है जब जॉब कतारबद्ध हो जाता 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 एक संस्करण नहीं है, तो प्रीप्रोसेसिंग और ऑगमेंटेशन के साथ एक संस्करण बनाएं। 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", # पूर्ण सूची को त्रुटि के रूप में वापस पाने के लिए अमान्य मान पास करें checkpoint=None, # वैकल्पिक: पिछले चेकपॉइंट से पुनः शुरू करें epochs=100, # वैकल्पिक: डिफ़ॉल्ट मॉडल प्रकार पर निर्भर करते हैं plot_in_notebook=False, # प्रशिक्षण-प्रगति प्लॉट दिखाएँ (केवल नोटबुक) ) ``` ### पैरामीटर * `model_type` (str) - आर्किटेक्चर पहचानकर्ता। सामान्य मान: `rfdetr-nano`, `rfdetr-base`, `yolov8`, `yolov11`. प्रोजेक्ट प्रकार पर निर्भर। पूर्ण सूची को त्रुटि के रूप में वापस पाने के लिए अमान्य मान पास करें। * `speed` (str, वैकल्पिक) - `"fast"` (डिफ़ॉल्ट) या `"accurate"`. सटीक प्रशिक्षण एक भुगतान वाली सुविधा है। * `checkpoint` (str, वैकल्पिक) - पुनः शुरू करने के लिए किसी चेकपॉइंट का ID। * `epochs` (int, वैकल्पिक) - epochs की संख्या। डिफ़ॉल्ट मॉडल प्रकार पर निर्भर करते हैं। * `plot_in_notebook` (bool, डिफ़ॉल्ट `False`) - प्रशिक्षण प्रगति को इनलाइन दिखाएँ (केवल नोटबुक)। ### प्रशिक्षण के बाद एक बार प्रशिक्षण पूरा हो जाने पर, `संस्करण`का `.model` प्रॉपर्टी होस्टेड मॉडल लौटाती है: ```python predictions = version.model.predict("photo.jpg", confidence=40, overlap=30).json() ``` देखें [किसी छवि पर मॉडल चलाएँ](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api#python-sdk) पूर्ण इन्फरेंस संदर्भ के लिए। ## CLI आप कमांड लाइन से मॉडल प्रशिक्षण शुरू कर सकते हैं। प्रशिक्षण Roboflow की क्लाउड इन्फ्रास्ट्रक्चर पर चलता है। ### कमांड ```bash roboflow train start -p -v -t ``` या संक्षिप्त रूप 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, उदाहरण: `yolov8n`, `rfdetr-nano` | | `--checkpoint` | जिस चेकपॉइंट से प्रशिक्षण पुनः 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 ``` चेकपॉइंट से पुनः 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 इससे जोड़ें [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) और वह इन टूल्स के साथ मॉडल प्रशिक्षित कर सकता है:
टूलविवरण
trainings_describe_recipeकिसी मॉडल प्रकार के लिए ट्यूनिंग विकल्पों का वर्णन करें और जमा करने के लिए तैयार रेसिपी लौटाएँ।
trainings_createडेटासेट संस्करण पर प्रशिक्षण रन शुरू करें।
trainings_getप्रशिक्षण स्थिति, उत्पन्न मॉडल, और मीट्रिक्स प्राप्त करें।
trainings_listडेटासेट संस्करण पर प्रशिक्षण रन सूचीबद्ध करें।
## अगले चरण * [किसी प्रशिक्षण जॉब को रोकें या रद्द करें](/models/hi/train/cancel-a-training-job.md). * समीक्षा करें कि आपका मॉडल कैसा चला और प्रशिक्षण रन की तुलना करें। देखें [प्रशिक्षित मॉडलों का मूल्यांकन करें](/models/hi/evaluate/evaluate-trained-models.md). * अपने मॉडल को इसके साथ डिप्लॉय करें [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api).