> 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/yololite.md).

# YOLOLite

YOLOlite Roboflow की एक हल्की object detection model family है, जिसे low-latency deployments और edge hardware के लिए डिज़ाइन किया गया है। आप YOLOlite को एक [Project](/roboflow/roboflow-hi/workspaces/key-concepts.md) Roboflow में train करें और इसे हमारे माध्यम से deploy करें [Serverless Hosted API](/roboflow/roboflow-hi/deploy/serverless-hosted-api-v2.md).

self-hosted deployment के लिए, देखें [Roboflow Inference](https://inference.roboflow.com/).

YOLOlite input size को Roboflow पर training के दौरान configure किया जाता है.

## उपलब्ध variants

YOLOlite दो scaling families में आता है: एक standard set और एक edge-optimized set। इनमें से प्रत्येक पाँच sizes में उपलब्ध है।

<table data-search="false"><thead><tr><th>परिवार</th><th>वेरिएंट्स</th></tr></thead><tbody><tr><td>Standard</td><td><code>yololite-n</code>, <code>yololite-s</code>, <code>yololite-m</code>, <code>yololite-l</code>, <code>yololite-xl</code></td></tr><tr><td>Edge</td><td><code>yololite-edge-n</code>, <code>yololite-edge-s</code>, <code>yololite-edge-m</code>, <code>yololite-edge-l</code>, <code>yololite-edge-xl</code></td></tr></tbody></table>

जब आप किसी Project पर training शुरू करते हैं, तब आप एक variant चुनते हैं। फिर trained model को Serverless Hosted API से serve किया जाता है, जहाँ आप उसे उसके per-model `{workspace}/{model-slug}` ID (देखें [Versions, Trainings, and Models](/roboflow/roboflow-hi/train/versions-trainings-and-models.md)).

## 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

इंस्टॉल करें [Inference SDK](https://inference.roboflow.com/inference_helpers/inference_sdk/) और [supervision](https://supervision.roboflow.com/):

```bash
pip install inference-sdk supervision
```

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह example एक public YOLOlite model को चलाता है, जिसे एक [screws dataset](https://universe.roboflow.com/erik-pe6au/rf-bolts) (screw, flat-washer, hex-nut). अपनी स्वयं की `{workspace}/{model-slug}` trained weights चलाने के लिए।

```python
import os
import cv2
import numpy as np
import requests
import supervision as sv
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/docs/bolts.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="erik-pe6au/rf-bolts-4-yololite-s-t1")

detections = sv.Detections.from_inference(results)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)

cv2.imwrite("annotated.png", annotated)
```

<figure><img src="/files/4ecbe16cc0cb1708bb96ac60515cfedebd9c616e" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

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

* `https://serverless.roboflow.com` Serverless Hosted API के लिए।
* `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 %}