> 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/workflows/deploy-a-workflow.md).

# एक Workflow deploy करें

आप चार तरीकों से एक Workflow डिप्लॉय कर सकते हैं:

1. छवियाँ भेजें [Roboflow API](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) अपने Workflow का उपयोग करके प्रोसेसिंग के लिए।
2. एक बनाएं [Roboflow Dedicated Deployment](/roboflow/roboflow-hi/deploy/dedicated-deployments.md) उस इंफ्रास्ट्रक्चर पर जिसे विशेष रूप से आपके उपयोग के लिए प्राविजन किया गया है।
3. अपने स्वयं के हार्डवेयर पर अपना Workflow चलाएँ [Roboflow Inference](https://inference.roboflow.com/install/).
4. का उपयोग करें [Batch Processing](/roboflow/roboflow-hi/deploy/batch-processing.md) बड़ी मात्रा में डेटा को बिना कोडिंग, लागत-कुशल तरीके से प्रोसेस करने के लिए।

यदि आप अपना Workflow अपने स्वयं के हार्डवेयर पर चलाते हैं, तो आप इसे छवियों और वीडियो फ़ाइलों दोनों पर चला सकते हैं (जिसमें सामान्य **वेबकैम** और पेशेवर **CCTV कैमरे**).

ऑन-प्रिमाइसेस डिप्लॉयमेंट चुनकर, आप किसी भी सिस्टम पर Workflows चला सकते हैं जहाँ आप Inference डिप्लॉय कर सकते हैं। इसमें शामिल हैं:

* NVIDIA Jetson
* AWS EC2, GCP Cloud Engine, और Azure Virtual Machines
* Raspberry Pi

{% hint style="info" %}
Roboflow Enterprise ग्राहकों को अतिरिक्त वीडियो स्ट्रीम विकल्पों तक पहुँच मिलती है, जैसे Basler कैमरों पर inference चलाना। हमारी पेशकशों के बारे में अधिक जानने के लिए, [Roboflow sales team से संपर्क करें](https://roboflow.com/sales).
{% endhint %}

### Workflow डिप्लॉय करें

किसी workflow को डिप्लॉय करने के लिए, Workflows editor के ऊपरी बाएँ कोने में "Deploy" बटन पर क्लिक करें। सभी डिप्लॉयमेंट विकल्प इस पेज पर दस्तावेज़ित हैं।

आपके Workflows editor में code snippets आपके Workflows URL और API key से पहले से भरे होंगे।

{% hint style="info" %}
Workflows के उपयोग सीमाओं के बारे में अधिक जानने के लिए, देखें [Roboflow pricing page](https://roboflow.com/workflows).
{% endhint %}

#### छवियों को प्रोसेस करें

आप Roboflow API या local Inference server का उपयोग करके एकल छवियों पर अपना Workflow चला सकते हैं।

सबसे पहले, Roboflow Inference SDK इंस्टॉल करें:

```python
pip install inference-sdk inference-cli 
```

यदि आप local रूप से चलाते हैं, तो [आधिकारिक Docker installation instructions](https://docs.docker.com/get-docker/) का पालन करें ताकि अपने मशीन पर Docker इंस्टॉल करें और Inference server शुरू करें:

```
inference server start
```

फिर, एक नई Python फ़ाइल बनाएं और निम्न कोड जोड़ें:

```python
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",  # या local deployment के लिए "http://127.0.0.1:9001"
    api_key="API_KEY"
)

result = client.run_workflow(
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    images={
        "image": "YOUR_IMAGE.jpg"
    }
)

```

ऊपर, बदलें `API_KEY` को अपने Roboflow API key से. बदलें `workspace-name` और `workflow-id` को अपने Roboflow workspace नाम और Workflow IDs से।

इन मानों को खोजने के लिए, अपना Roboflow Workflow खोलें और "Deploy Workflow" पर क्लिक करें। फिर, पेज पर दिखाई देने वाले code snippet से अपना workspace नाम और workflow ID कॉपी करें।

Local execution CPU और NVIDIA CUDA GPU devices पर काम करता है। सर्वोत्तम प्रदर्शन के लिए, NVIDIA Jetson या NVIDIA GPU वाले cloud server जैसे GPU-enabled device पर डिप्लॉय करें।

#### वीडियो स्ट्रीम (RTSP, Webcam) को प्रोसेस करें

आप वीडियो स्ट्रीम के फ़्रेमों पर अपना Workflow डिप्लॉय कर सकते हैं। यह एक webcam या RTSP stream हो सकती है। आप वीडियो फ़ाइलों पर भी अपना Workflow चला सकते हैं।

सबसे पहले, Inference इंस्टॉल करें:

```
pip install inference  # या GPU मशीनों के लिए inference-gpu
```

Inference को इंस्टॉल होने में कुछ मिनट लग सकते हैं।

फिर, एक नई Python फ़ाइल बनाएं और निम्न कोड जोड़ें:

```python
# InferencePipeline ऑब्जेक्ट इंपोर्ट करें
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # प्रत्येक फ़्रेम की भविष्यवाणियों के साथ कुछ करें
    

# एक pipeline object आरंभ करें
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # वीडियो का पथ, RSTP stream, device id (int, आमतौर पर अंतर्निर्मित webcams के लिए 0), या RTSP stream url
    on_prediction=my_sink
)
pipeline.start() # पाइपलाइन शुरू करें
pipeline.join() # पाइपलाइन थ्रेड के समाप्त होने की प्रतीक्षा करें

```

ऊपर, बदलें `API_KEY` को अपने Roboflow API key से. बदलें `workspace-name` और `workflow-id` को अपने Roboflow workspace नाम और Workflow IDs से।

इन मानों को खोजने के लिए, अपना Roboflow Workflow खोलें और "Deploy Workflow" पर क्लिक करें। फिर, पेज पर दिखाई देने वाले code snippet से अपना workspace नाम और workflow ID कॉपी करें।

जब आप ऊपर दिया कोड चलाते हैं, तो आपका Workflow आपके वीडियो या वीडियो stream पर चलेगा।

#### डेटा के बैचों को प्रोसेस करें

आप Roboflow Batch Processing service का उपयोग करके पूरे डेटा बैचों—छवियों और वीडियो फ़ाइलों की डायरेक्टरियों—को कुशलतापूर्वक प्रोसेस कर सकते हैं। इस पूरी तरह प्रबंधित समाधान के लिए कोई कोडिंग या स्थानीय गणना की आवश्यकता नहीं होती। बस अपना data और Workflow चुनें, और बाकी Roboflow पर छोड़ दें।

हम Batch Processing के साथ UI, CLI और REST API दोनों इंटरैक्शन का समर्थन करते हैं। नीचे, हम CLI commands प्रस्तुत करते हैं। खोजें [सभी विकल्प](https://inference.roboflow.com/workflows/batch_processing/about/#cli).

प्रोसेसिंग चलाने के लिए, Inference CLI इंस्टॉल करें:

```
pip install inference-cli
```

फिर आप अपना डेटा ingest कर सकते हैं:

```
inference rf-cloud data-staging create-batch-of-images \
    --images-dir <your-images-dir-path> \
    --batch-id <your-batch-id>
```

जब data लोड हो जाए, प्रोसेसिंग job शुरू करें:

```
inference rf-cloud batch-processing process-images-with-workflow \
    --workflow-id <workflow-id> \
    --batch-id <batch-id>
```

job की प्रगति निम्न का उपयोग करके दिखाई जा सकती है:

```
inference rf-cloud batch-processing show-job-details \
    --job-id <your-job-id>  # job-id तब दिखाया जाएगा जब आप job बनाएंगे
```

और जब job पूरा हो जाए, परिणाम export करें:

```
inference rf-cloud data-staging export-batch \
    --target-dir <dir-to-export-result> \
    --batch-id <output-batch-of-a-job>
```


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-hi/workflows/deploy-a-workflow.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.