> 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/datasets/dataset-versions/create-a-dataset-version.md).

# एक Dataset Version बनाएँ

एक version आपके dataset का किसी एक समय-बिंदु पर लिया गया snapshot होता है। हम इन versions को इसलिए रखते हैं क्योंकि आपके model के हर iteration में exactly कौन-सी images, preprocessing, और augmentation steps इस्तेमाल हुई थीं, इसका track रखकर आप results को reproduce करने की क्षमता बनाए रखते हैं। इससे आप विभिन्न models और frameworks के बीच वैज्ञानिक रूप से test कर सकते हैं, और यह भरोसा भी बना रहता है कि results model changes के कारण हैं, न कि data pipeline में किसी bug/change की वजह से।

<a href="/pages/d3598f8627cb48e5b56e2d64aa734dda8bad441c" class="button primary">Key Concepts: Workspaces & Projects क्या हैं?</a>

{% hint style="info" %}
एक version बन जाने के बाद, वह समय में frozen हो जाता है, जिसका मतलब है कि project में किए गए बदलाव—चाहे images, annotations, या अन्य data जोड़ना/हटाना हो—उस version पर असर नहीं डालेंगे जो पहले बनाया गया था।
{% endhint %}

### Dataset Version कैसे बनाएं

एक dataset version बनाने के लिए, अपने Roboflow project से जुड़े sidebar में "Versions" पर क्लिक करें। फिर, "Generate New Version" पर क्लिक करें।

इस page से, आप train/test/valid split सेट कर सकते हैं और अपने नए dataset version के लिए preprocessing steps और augmentations specify कर सकते हैं।

<figure><img src="/files/ac6c3d352deda2b36dfbb992ba4194f54b316271" alt="" width="375"><figcaption></figcaption></figure>

जब आप अपने data पर लागू करने के लिए preprocessing steps और augmentations specify कर लें, तो "Generate" पर क्लिक करें। इससे एक नया dataset version generate होगा। फिर आप इस dataset version का उपयोग Roboflow में model train करने के लिए कर सकते हैं। आप यह भी कर सकते हैं [अपने dataset को export करें](/roboflow/roboflow-hi/datasets/dataset-versions/exporting-data.md) ताकि उसे किसी model को manually train करने में इस्तेमाल किया जा सके।

### Train/Validation/Test Splits को फिर से समायोजित करना

Version creation process के दौरान, आप अपने training, validation और test set splitting के balance को भी फिर से समायोजित कर सकते हैं। ऐसा करने के लिए, "Step 2: Train/Test Split" पर जाएं और "Rebalance" button पर क्लिक करें।

<figure><img src="/files/638159be05f18a5898c562685b4780f4c5d819d2" alt="" width="375"><figcaption></figcaption></figure>

Recommended split 70/20/10 (train/valid/test) है, जो अधिकांश datasets के लिए एक मजबूत starting point है। किसी भी समय इसे restore करने के लिए "Reset" पर क्लिक करें।

train, validation, और test percentages सेट करें, फिर चुनें कि images को कैसे reassign किया जाए:

* "Move as few as possible" images को उनके current split में बनाए रखता है और target percentages तक पहुंचने के लिए केवल उतनी ही images move करता है जितनी ज़रूरी हों।
* "Random shuffle" हर image को splits के across randomly reassign करता है।
* "Random shuffle per upload batch or annotation job" हर upload batch या completed annotation job को अलग-अलग shuffle करता है, ताकि हर batch और job target percentages से match करे।

आप rebalance को specific classes तक भी सीमित कर सकते हैं। Classes चुनने से moves केवल उन images तक सीमित हो जाते हैं जिनमें सिर्फ वे classes हों, और method "Move as few as possible" में बदल जाता है।

बड़े datasets के लिए, rebalance per-phase progress के साथ एक background task के रूप में चलता है। आप dialog को dismiss कर सकते हैं जबकि यह जारी रहता है, और इसे Activity Center में track कर सकते हैं।