Upload Custom Model Weights

Roboflow model deployment के लिए आपके custom-trained models के model weights को अपने Roboflow projects में upload करने की सुविधा प्रदान करता है।

संबंधित पेज:

• Roboflow में एक मॉडल को प्रशिक्षित करने के लिए, देखें एक Model train करें

• मॉडल वेट्स डाउनलोड करने के लिए, देखें Download Model Weights

Roboflow के बाहर प्रशिक्षित वेट्स अपलोड करना

जब आप अपना कस्टम मॉडल ट्रेन करना पूरा कर लें, तो अपने मॉडल वेट्स को वापस अपने Roboflow प्रोजेक्ट में अपलोड करें ताकि आप इसका लाभ उठा सकें Roboflow Inference.

मॉडल सपोर्ट

देखें समर्थित मॉडल्स तालिका वेट्स अपलोड संगतता के विवरण के लिए।

• YOLOv8 मॉडल्स को इस पर ट्रेन किया जाना चाहिए ultralytics==8.0.196

• YOLOv9 मॉडल्स को इस का उपयोग करके ट्रेन और अपलोड किया जाना चाहिए ultralytics से https://github.com/WongKinYiu/yolov9

• YOLOv10 मॉडल्स को इस का उपयोग करके ट्रेन और अपलोड किया जाना चाहिए ultralytics से

  https://github.com/THU-MIG/yolov10

• YOLOv11 मॉडल्स को इस पर ट्रेन किया जाना चाहिए ultralytics<=8.3.40

• YOLOv12 मॉडल्स को इस का उपयोग करके ट्रेन और अपलोड किया जाना चाहिए ultralytics से https://github.com/sunsmarterjie/yolov12

बड़े मॉडल आकार बेहतर प्रशिक्षण परिणाम देते हैं। हालांकि, मॉडल आकार जितना बड़ा होगा, प्रशिक्षण समय और inference (मॉडल prediction) गति उतनी ही धीमी होगी। इस बात पर विचार करें कि क्या आप तेज़ी से चलने वाली वस्तुओं या वीडियो फ़ीड्स पर real-time inference चाहते हैं (छोटा मॉडल बेहतर होगा), या आप डेटा को उसके एकत्र होने के बाद प्रोसेस कर रहे हैं और अधिक prediction accuracy की चिंता है (बड़ा मॉडल चुनें)।

Versioned बनाम Versionless मॉडल्स अपलोड

Roboflow आपके प्रोजेक्ट्स में मॉडल्स को deploy करने के लिए दो अलग-अलग approaches प्रदान करता है, जिनमें से प्रत्येक अलग-अलग use cases और organizational needs के लिए है। versioned और versionless deployments के बीच चुनाव इस पर निर्भर करता है कि क्या आपको dataset versions के साथ model evolution को track करना है, या आप अपने workspace में multiple projects के बीच models share करना चाहते हैं।

• Versionless Deployments

  • workspace स्तर से जुड़े

  • एक साथ कई projects में deploy किए जा सकते हैं

  • एक ही workspace के भीतर अलग-अलग projects में models share करने के लिए आदर्श

• Versioned Deployments

  • विशिष्ट project versions से जुड़े

  • dataset version प्रति एक model

  • dataset versions के साथ model evolution को track करने के लिए आदर्श

  • Label Assist पर model का उपयोग करने के लिए आदर्श

  • अन्य models के training के लिए checkpoint के रूप में model का उपयोग करने के लिए आदर्श

Custom Weights अपलोड करें

सबसे पहले, सुनिश्चित करें कि आपके पास नवीनतम roboflow Python package installed है:

pip install --update roboflow

Python SDK (Versionless)

versionless custom weights अपलोड करने के लिए, इस का उपयोग करें workspace.deploy_model() method:

workspace.deploy_model(
    model_type="yolov8",  # मॉडल का प्रकार
    model_path="path/to/model",  # मॉडल directory का path
    project_ids=["project1", "project2"],  # project IDs की सूची
    model_name="my-model",  # मॉडल के लिए नाम (कम से कम 1 अक्षर होना चाहिए, और numbers तथा dashes स्वीकार होने चाहिए)
    filename="weights/best.pt"  # weights file का path (default)
)

Parameters

• model_type (str): deploy किए जाने वाले model का type (उदा., "yolov8", "yolov11")

• model_path (str): model weights वाली directory का file path

• project_ids (list[str]): model को deploy करने के लिए project IDs की सूची

• model_name (str): model की पहचान के लिए नाम - (कम से कम 1 अक्षर होना चाहिए, और numbers तथा dashes स्वीकार होने चाहिए)

• filename (str, optional): weights file का नाम (default "weights/best.pt" है)

Example

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
workspace = rf.workspace("YOUR_WORKSPACE")

workspace.deploy_model(
  model_type="yolov8",
  model_path="./runs/train/weights",
  project_ids=["project-1", "project-2", "project-3"],
  model_name="my-custom-model"
)

Python SDK (Versioned)

CLI (Versionless और versioned)

Next Steps

1. Roboflow के "Models" tab में अपना model देखें

2. अपना model स्थानीय रूप से चलाएँ Roboflow Inference Server.

3. अपना model deploy करें