Model को Train करें
Roboflow dashboard में state-of-the-art technology का उपयोग करके एक model train करें।
आप Roboflow इंटरफ़ेस में computer vision models को train कर सकते हैं।
Roboflow दो training options प्रदान करता है:
Roboflow Custom Train: हमारी प्रमुख training service, production-ready models बनाने के लिए आदर्श।
Neural Architecture Search: नए model architectures खोजें और साथ ही fine tune करें।
साथ ही, जब आप image annotations के अपने पहले batch को approve करते हैं, तो एक Roboflow Instant Model स्वतः train हो जाता है। इन models का उपयोग तुरंत auto labeling या deployment के लिए किया जा सकता है।
Roboflow पर train किए गए models को Inference, हमारे on-device inference server, या cloud में हमारे Serverless Hosted API with Workflows, Batch Processing with Workflows, या आपके model API endpoint का उपयोग करके deploy किया जा सकता है।
हमारी लाइसेंसिंग मार्गदर्शन पढ़ें ताकि आप जान सकें कि Roboflow पर प्रशिक्षित models को कैसे लाइसेंस किया जाता है।
मॉडल Train करें
एक computer vision model को train करने के लिए, project navigation में "Train" पर जाएँ।
"Custom Training" button पर क्लिक करें ताकि training job को configure करना शुरू करें:
Neural Architecture Search (NAS)
object detection और instance segmentation projects के लिए, आप उपयोग कर सकते हैं Neural Architecture Search (NAS) एक single model architecture चुनने के बजाय। NAS स्वतः कई model configurations को train और evaluate करता है, फिर आपकी accuracy और latency requirements के आधार पर सबसे अच्छा विकल्प सुझाता है।
NAS का उपयोग करने के लिए, training engine चुनते समय NAS option चुनें। NAS के लिए कम से कम 15 validation images आवश्यक हैं।
NAS training charts के बारे में अधिक जानकारी के लिए देखें View Training Results.
एक Model Architecture चुनें
इसके बाद, आपको एक model architecture और size चुनना होगा। यही machine learning technology आपके model को train करने के लिए उपयोग होती है।
आप जिन model architectures को train कर सकते हैं, वे आपके set up किए गए project के प्रकार पर निर्भर करते हैं। देखें Supported Models table train compatibility के विवरण के लिए।
object detection के लिए, RF-DETR सर्वोत्तम accuracy प्रदान करता है। instance segmentation के लिए, RF-DETR Seg (Preview) सर्वोत्तम accuracy प्रदान करता है। keypoint detection के लिए, RF-DETR Keypoint (Preview) भी उपलब्ध है।
Model sizes आपके चुने हुए model की architecture पर निर्भर करेंगे। उदाहरण के लिए, RF-DETR — एक state-of-the-art object detection model — Nano, Small, Medium, और Base प्रदान करता है। Medium, Large, और Extra Large केवल paid users के लिए उपलब्ध हैं। एक को train करना SAM3 model उन paid plans पर उपलब्ध है जिनमें शामिल हैं usage-based billing.
अपने project type के लिए उपलब्ध architecture चुनें, फिर "Continue" पर क्लिक करें:
एक Checkpoint चुनें
एक training option चुनने के बाद, आपसे पूछा जाएगा कि क्या आप checkpoint से train करना चाहते हैं। नीचे दिए गए tabs प्रत्येक model type के लिए configuration options दिखाते हैं।
आपके पास तीन विकल्प हैं:
एक Previous Checkpoint से train करें: उन स्थितियों के लिए आदर्श जब आपके पास पहले से एक working model हो जिसे आप बेहतर बनाना चाहते हैं।
Public Checkpoint से train करें: आपकी पहली model version के लिए, या जब पिछली training run अपेक्षित परिणाम नहीं दे सकी, तब आदर्श।
Random Initialization से train करें: केवल advanced users के लिए, यह विकल्प आपको training के लिए एक blank slate देता है। अधिकांश users को इस option का उपयोग करने पर खराब परिणाम मिलते हैं।
Classification और Semantic Segmentation models के लिए, केवल एक checkpoint उपलब्ध है।
मैं training option कैसे चुनूँ?
हम नए object detection projects के लिए Public Checkpoint से training की सलाह देते हैं। डिफ़ॉल्ट रूप से, हम Microsoft COCO dataset पर प्रशिक्षित model से training प्रदान करते हैं। Classification और Semantic Segmentation के लिए, हम केवल ImageNet से training का समर्थन करते हैं।
आप Universe पर होस्ट किए गए projects पर आधारित checkpoints से train कर सकते हैं (केवल object detection)। ऐसा करने के लिए, पहले Universe में किसी project को star करें. फिर, project Roboflow web application में training checkpoint के रूप में उपलब्ध होगा।
इसके अलावा, आप किसी model के पिछले version पर आधारित checkpoint से भी train कर सकते हैं (केवल object detection, instance segmentation, और keypoint detection)। यह method training process को तेज़ बनाती है। हम केवल तभी आपके model के लिए पिछले checkpoint से train करने की सलाह देते हैं, जब आपका model मजबूत performance हासिल करता हो)।
Checkpoint से training का अर्थ है कि आप Transfer Learning. Transfer Learning आपके model training को आपके चुने हुए model से initialize करेगी। इससे training time कम करने में मदद मिल सकती है, और बेहतर training scores मिल सकते हैं।
Scratch से training का अर्थ है कि आप नहीं Transfer Learning का उपयोग कर रहे हैं। इससे आपके model training को model weights के randomized initial values के साथ initialize किया जाएगा।
Training Job शुरू करें
जब आप training के लिए Checkpoint चुन लें, तो Start Training पर क्लिक करें।
इसके बाद आपका dataset zip किया जाएगा और Roboflow cloud में training के लिए तैयार किया जाएगा।
Training शुरू होने से पहले, training summary अनुमानित duration और credit cost दिखाता है:
Dataset जितना बड़ा होगा, और आपके dataset में images जितनी बड़ी होंगी, आपके model को train होने में उतना ही अधिक समय लगेगा।
Training process समाप्त होने पर आपको एक email मिलेगा। अधिकांश मामलों में, यह 24 घंटे के भीतर होना चाहिए।
मूल्य निर्धारण
Roboflow पर training की कीमत train job की अवधि पर आधारित होती है। आप हमारी credits page.
पर अधिक जानकारी देख सकते हैं। यदि आप एक student या researcher हैं और जिस project पर आप काम कर रहे हैं उसके लिए credits की आवश्यकता है, तो आप अतिरिक्त credits के लिए आवेदन कर सकते हैं.
अंतिम अपडेट
क्या यह उपयोगी था?