> 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/reference/hi/inference/inference-cli/server.md).

# Inference Server को नियंत्रित करें

यह `इन्फरेंस सर्वर` कमांड HTTP सर्वर के चारों ओर एक नियंत्रण परत प्रदान करता है जो Inference को एक्सपोज़ करता है।

{% hint style="success" %}
कमांड के विवरण देखने के लिए, चलाएँ:

```bash
inference server --help
```

प्रत्येक उप-कमांड के लिए एक सहायता मार्गदर्शिका भी उपलब्ध है:

```bash
inference server start --help
```

{% endhint %}

## `inference server start`

एक स्थानीय Inference Server शुरू करता है। यह वैकल्पिक रूप से एक पोर्ट नंबर लेता है (डिफ़ॉल्ट 9001 है) और केवल तभी Docker कंटेनर शुरू करता है जब उस पोर्ट पर पहले से कोई कंटेनर चल नहीं रहा हो।

यदि आप अपना सर्वर Google Cloud या Amazon Cloud में किसी वर्चुअल मशीन पर चलाना पसंद करते हैं, तो देखें [क्लाउड पर तैनात करें](/reference/hi/inference/inference-cli/cloud.md).

शुरू करने से पहले, सुनिश्चित करें कि आपकी मशीन पर Docker इंस्टॉल है। Docker एक कंटेनराइज़्ड वातावरण प्रदान करता है, जिससे Inference Server होस्ट सिस्टम की परवाह किए बिना एकसमान और पृथक तरीके से चल सकता है। यदि आपने अभी तक Docker इंस्टॉल नहीं किया है, तो आप इसे यहाँ से प्राप्त कर सकते हैं [Docker की आधिकारिक वेबसाइट](https://www.docker.com/get-started).

CLI स्वचालित रूप से उस डिवाइस का पता लगाता है जिस पर आप चल रहे हैं और उपयुक्त Docker image डाउनलोड करता है।

```bash
inference server start --port 9001 [-e {env_variables_वाली_फ़ाइल_का_वैकल्पिक_पथ}]
```

पैरामीटर `--env-file` (या `-e`) एक वैकल्पिक पथ है एक `.env` फ़ाइल, जिसे आपके Inference Server में तब लोड किया जाता है जब आंतरिक पैरामीटरों के मानों को समायोजित करने की आवश्यकता होती है। कमांड पैरामीटर के रूप में स्पष्ट रूप से दिया गया कोई भी मान अधिक महत्वपूर्ण माना जाता है और उसी में परिभाषित मान को अधिलेखित करता है `.env` उसी लक्षित वेरिएबल नाम वाली फ़ाइल।

### वॉल्यूम माउंट्स

इस्तेमाल करें `--volume` (या `-v`) कंटेनर में होस्ट डायरेक्टरी माउंट करने के लिए फ़्लैग का उपयोग करें। यह Workflows द्वारा लिखी गई फ़ाइलों को बनाए रखने के लिए उपयोगी है (उदाहरण के लिए के माध्यम से `local_file_sink` ब्लॉक) को अपनी स्थानीय मशीन पर।

```bash
inference server start --volume /host/path:/container/path
```

आप फ़्लैग को दोहराकर कई वॉल्यूम माउंट कर सकते हैं:

```bash
inference server start --volume /host/data:/data --volume /host/models:/models:ro
```

वैकल्पिक `:ro` प्रत्यय वॉल्यूम को केवल-पढ़ने योग्य के रूप में माउंट करता है। यदि इसे छोड़ा जाए, तो वॉल्यूम को पढ़ने-लिखने योग्य के रूप में माउंट किया जाता है।

### डेवलपमेंट मोड

इस्तेमाल करें `--dev` फ़्लैग, जो Inference Server को डेवलपमेंट मोड में शुरू करता है। डेवलपमेंट मोड आसान परीक्षण और विकास के लिए Inference Server के अंतर्निर्मित नोटबुक वातावरण को सक्षम करता है।

```bash
inference server start --dev
```

देखें `localhost:9001` Inference लैंडिंग पेज देखने के लिए अपने ब्राउज़र में "इन्फरेंस-सक्षम नोटबुक में जाएँ" पर जाएँ, जो संसाधनों और उदाहरणों से लिंक करता है। लैंडिंग पेज से, नया टैब खोलने के लिए "इन्फरेंस-सक्षम नोटबुक में जाएँ" चुनें ताकि अंतर्निर्मित JupyterLab वातावरण खुल सके। यह उदाहरण नोटबुक्स और Inference चलाने के लिए आवश्यक सभी निर्भरताओं के साथ पहले से लोड आता है।

### टनल

इस्तेमाल करें `--tunnel` फ़्लैग, जो Inference Server को एक टनल के साथ शुरू करता है जो TLS-सक्षम endpoint पर बाहरी अनुरोधों के लिए inference उपलब्ध कराता है।

यादृच्छिक रूप से जनरेट किया गया पता सर्वर स्टार्ट आउटपुट में दिखाया जाता है:

```
https://somethingrandom-ip-192-168-0-1.roboflow.run पर चल रहे स्थानीय inference के लिए टनल
```

## `inference server status`

स्थानीय Inference Server की स्थिति जाँचता है।

```bash
inference server status
```

## `inference server stop`

Inference Server को रोकता है।

```bash
inference server stop
```