> 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/roboflow/roboflow-hi/deploy/sdks/openmv.md).
# OpenMV
OpenMV कैमरा एक अत्यंत कम-शक्ति वाला कैमरा-कंप्यूट यूनिट है जो एक image processing SOC का उपयोग करके micropython programs को सीधे उसी बोर्ड पर चलाता है जिस पर कैमरा है। यह 0.5W से कम शक्ति का उपयोग करता है और quantization तथा low resolutions के साथ \~13 fps तक models चला सकता है।
#### एक compatible model ट्रेन करें
OpenMV deployments की अनुमति देने के लिए एक Roboflow 3.0 model ट्रेन करें। Models को हमारे model post-processing द्वारा quantize और scale किया जाता है (ताकि यह low-power SOC पर फिट हो सके), इसलिए वास्तविक-world performance platform में दिखने वाले metrics से कम हो सकती है। कृपया best results के लिए 224 या 256 का resolution भी उपयोग करें (यही वह है जिस पर हम post-processing में scale करते हैं)।
#### Quantized Artifact डाउनलोड करें
OpenMV artifact डाउनलोड करने के लिए deployments page का उपयोग करें, जिसमें एक `.tflite` फ़ाइल होनी चाहिए जो OpenMV devices के साथ compatible है।
#### OpenMV device पर model deploy करें
इसके बाद आप [OpenMV IDE](https://openmv.io/pages/download) का उपयोग करके model को edge device पर deploy कर सकते हैं। आपको model weights की आवश्यकता होगी जिसे हमने अभी डाउनलोड किया है, साथ ही class list की भी, जिसे आप roboflow dashboard में इस [OpenMV द्वारा वीडियो](https://www.youtube.com/watch?v=aRnn2LeAS4c)में वर्णित अनुसार पा सकते हैं। वीडियो यह दिखाता है [example script](https://github.com/openmv/openmv/blob/4d7247e11e9f4605802f4e285ac65701a2079b4d/scripts/examples/03-Machine-Learning/00-TensorFlow/yolo_v8_detector.py) OpenMV devices पर YOLOv8 (Roboflow 3.0) models चलाने के लिए और इसे OpenMV पर Roboflow models के साथ development शुरू करने के लिए एक starting point के रूप में उपयोग किया जाना चाहिए।