# एक Model या Workflow deploy करें

हम models और workflows, दोनों के managed deployments और self-hosted deployment, दोनों का समर्थन करते हैं।

### Managed Deployments

ये विकल्प आपके models और workflows को चलाने के लिए Roboflow की cloud infrastructure का उपयोग करते हैं, जिससे आपको अपना hardware या software खुद manage करने की आवश्यकता नहीं रहती।

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">Cover image</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Serverless Hosted API</strong></td><td>तुरंत शुरुआत करें और automatically scale करें।</td><td><a href="https://2698615118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FoKW42bcMX8fDUOccDDeX%2Fserverless-bg.png?alt=media&#x26;token=8845f5bc-4ab5-41d3-9c19-c80e007656f7">serverless-bg.png</a></td><td><a href="serverless-hosted-api-v2">serverless-hosted-api-v2</a></td></tr><tr><td><strong>Dedicated Deployment</strong></td><td>बड़े models और predictable workloads के लिए।</td><td><a href="https://2698615118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FQ9lPa8CUrDY2khi93tuV%2Fbox-bg.png?alt=media&#x26;token=c2f28bf9-77eb-40f9-8997-ff0fe0affda7">box-bg.png</a></td><td><a href="dedicated-deployments">dedicated-deployments</a></td></tr><tr><td><strong>Batch Processing</strong></td><td>संग्रहीत data का cost-effective processing।</td><td><a href="https://2698615118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FkmKoibwSR9GIaxKExJo3%2Fbatchpbg.png?alt=media&#x26;token=9b5e1757-d8c2-40ac-9e6a-6bb64ae7907b">batchpbg.png</a></td><td><a href="batch-processing">batch-processing</a></td></tr></tbody></table>

### Self-Hosted Deployment

आप अपने models और workflows को self-hosted पर भी deploy कर सकते हैं [Roboflow Inference](https://inference.roboflow.com/), जो आपके environment, resources, और latency पर अधिक नियंत्रण प्रदान करता है।

* [अपने स्वयं के cloud server पर self-hosting](https://inference.roboflow.com/install/cloud/)
* [एक Edge device पर self-hosting](https://inference.roboflow.com/install/)

{% hint style="info" %}
इस विकल्प के लिए infrastructure management और expertise की आवश्यकता होती है।
{% endhint %}

<details>

<summary>Inference क्या है?</summary>

{% hint style="info" %}
Computer vision में, inference उस प्रक्रिया को संदर्भित करता है जिसमें एक trained model का उपयोग नई images या videos का विश्लेषण करने और predictions देने के लिए किया जाता है। उदाहरण के लिए, किसी object detection model का उपयोग video stream में objects की पहचान करने और उनका स्थान निर्धारित करने के लिए किया जा सकता है, या किसी classification model का उपयोग उनकी content के आधार पर images को वर्गीकृत करने के लिए किया जा सकता है।
{% endhint %}

[***Roboflow Inference***](https://inference.roboflow.com/) एक open-source project है जो computer vision models और workflows को deploy करने के लिए एक शक्तिशाली और flexible framework प्रदान करता है। यह वह engine है जो Roboflow के अधिकांश managed deployment services को power करता है। आप इसे self host भी कर सकते हैं या अपने vision workflows को edge devices पर deploy करने के लिए इसका उपयोग कर सकते हैं। Roboflow Inference कई features और capabilities प्रदान करता है, जिनमें शामिल हैं:

* विभिन्न model architectures और tasks के लिए support, जिसमें object detection, classification, instance segmentation, और more शामिल हैं।
* Workflows, जो आपको hundreds of building Blocks में से चुनकर different models, pre-built logic, और external applications को जोड़कर computer vision applications बनाने देता है।
* विभिन्न devices, जिनमें CPUs, GPUs, और NVIDIA Jetson जैसे edge devices शामिल हैं, पर optimized performance के लिए hardware acceleration।
* Resources के efficient use के लिए multiprocessing।
* Video streams के seamless processing के लिए video decoding।
* Deployment को सरल बनाने के लिए HTTP interface, APIs और docker images
* Roboflow के hosted deployment options और Roboflow platform के साथ integration।

</details>

<details>

<summary>Workflow क्या है?</summary>

[Workflows](https://github.com/roboflow-ai/roboflow-docs/blob/main/deploy/deployment-overview/broken-reference/README.md) आपको विभिन्न models, pre-built logic, और external applications को जोड़कर जटिल computer vision applications बनाने में सक्षम बनाते हैं। ये sophisticated computer vision pipelines को design और deploy करने के लिए एक visual, low-code environment प्रदान करते हैं।

Workflows के साथ, आप यह कर सकते हैं:

* जटिल tasks करने के लिए कई models को आपस में chain करें।
* अपने applications में custom logic और decision-making जोड़ें।
* External systems और APIs के साथ integrate करें।
* Images और videos में objects को track, count, time, measure, और visualize करें।

</details>

### सही Deployment Option चुनना

{% hint style="info" %}
Inference में अपने use case के लिए सबसे अच्छे deployment method को चुनने के बारे में एक शानदार guide है [Getting Started guide](https://inference.roboflow.com/start/getting-started/).
{% endhint %}

आपके लिए सबसे अच्छा deployment option आपकी specific needs और requirements पर निर्भर करता है। अपना निर्णय लेते समय निम्नलिखित factors पर विचार करें:

* Scalability: यदि आपके application को traffic या data volume के बदलते स्तरों को संभालना है, तो serverless API real-time use-cases के लिए excellent scalability प्रदान करता है; अन्यथा, [Batch Processing](https://docs.roboflow.com/roboflow/roboflow-hi/deploy/batch-processing) एक सुझाया गया विकल्प है।
* Latency: यदि आपको low latency या video processing की आवश्यकता है, तो powerful hardware के साथ dedicated deployments या self-hosted deployments सबसे अच्छा विकल्प हो सकते हैं।
* Control: Self-hosted deployments आपके environment और resources पर सबसे अधिक control प्रदान करते हैं।
* Expertise: Self-hosted deployments को set up और manage करने के लिए अधिक technical expertise की आवश्यकता होती है।