> 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/supported-models/perception-encoder.md).

# Perception Encoder

Perception Encoder Meta का vision-language embedding model है। यह images और text को similarity search, zero-shot classification, और retrieval के लिए एक shared embedding space में map करता है।

{% hint style="info" %}
Perception Encoder Serverless Hosted API पर उपलब्ध नहीं है। इसे एक पर चलाएँ [Dedicated Deployment](/roboflow/roboflow-hi/deploy/dedicated-deployments.md) या [self-hosted Inference](https://inference.roboflow.com/).
{% endhint %}

हम तीन Perception Encoder endpoints का समर्थन करते हैं:

* `/perception_encoder/embed_image` — एक image embed करें
* `/perception_encoder/embed_text` — एक string embed करें
* `/perception_encoder/compare` — एक image और text prompts की सूची के बीच similarity compute करें

## कोड नमूना

{% stepper %}
{% step %}

### अपनी API Key प्राप्त करें

एक Roboflow खाता बनाएं, अपनी key यहाँ पर ढूँढें [Roboflow API settings page](https://app.roboflow.com/settings/api) और इसे अपने shell में उपलब्ध कराएँ:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### निर्भरताएँ इंस्टॉल करें

ये packages image को fetch करते हैं और API को call करते हैं:

```bash
pip install requests opencv-python
```

{% endstep %}

{% step %}

### मॉडल चलाएँ

नीचे का sample एक image भेजता है `/perception_encoder/embed_image` और embedding shape प्रिंट करता है। सेट करें `URL` को अपने Dedicated Deployment URL या local Inference server पर।

```python
import base64
import os
import cv2
import numpy as np
import requests

URL = "https://your-deployment.roboflow.cloud"

content = requests.get("https://media.roboflow.com/notebooks/examples/dog.jpeg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

_, buffer = cv2.imencode(".jpg", image)
image_base64 = base64.b64encode(buffer).decode("utf-8")

response = requests.post(
    f"{URL}/perception_encoder/embed_image",
    json={
        "api_key": os.environ["ROBOFLOW_API_KEY"],
        "image": {"type": "base64", "value": image_base64},
    },
)
result = response.json()
embedding = result["embeddings"][0]
print(f"Embedding length: {len(embedding)}")
print(f"First values: {embedding[:5]}")
```

{% endstep %}
{% endstepper %}

ऊपर का code terminal में embedding shape प्रिंट करता है:

```
Embedding length: 1024
First values: [0.0545, -0.0338, -0.0355, -0.0062, 0.0154]
```

## Inference speed

Latency मापी गई [Roboflow Inference](https://inference.roboflow.com/) 1x NVIDIA L4 पर, batch size 1, warmup के बाद का औसत।

<table data-search="false"><thead><tr><th>मॉडल</th><th>विलंबता (ms)</th></tr></thead><tbody><tr><td><code>perception-encoder</code></td><td>25.2</td></tr></tbody></table>

के साथ मापा गया `embed_image` पर `PE-Core-L14-336` checkpoint (केवल image embedding).

{% hint style="info" %}
सेट करें `URL` को अपने deployment target से मिलाएँ:

* `http://localhost:9001` एक local [Inference](https://inference.roboflow.com/) server.
* आपका [Dedicated Deployment](/roboflow/roboflow-hi/deploy/dedicated-deployments.md) एक private endpoint के लिए URL.
  {% endhint %}