For the complete documentation index, see llms.txt. This page is also available as Markdown.

Universe Checkpoint से प्रशिक्षण शुरू करें

Roboflow Universe पर उपलब्ध 50,000+ प्रशिक्षित models में से किसी एक पर आधारित checkpoint से training शुरू करें।

Roboflow Universe Checkpoint से Training

सबसे पहले, सुनिश्चित करें कि आपने अपने Universe profile में अपने वर्तमान project के लिए Workspace चुना है, और Transfer Learning के लिए जिस dataset का उपयोग करना चाहते हैं उसे "Starred" किया है।

Roboflow Universe में अपना Workspace Profile बदलना

इसके अलावा, यह जाँचें कि आपने जो dataset चुना है उस पर "Model" tag है, और/या Roboflow Universe में project के landing page पर "Try Pre-Trained" model है; अन्यथा यह आपके Workspace में training checkpoint के रूप में उपलब्ध नहीं होगा।

Roboflow Universe dataset पर Model tag
Roboflow Universe dataset के landing page पर "Try Pre-Trained Model" और Model tag

अब, Roboflow Main App UI में, अपने target dataset/project के "Versions" page पर जाएँ। जिस version को आप train करना चाहते हैं, उसे चुनें।

  • आप केवल ऐसे dataset version से training job शुरू कर सकते हैं जिसे पहले Roboflow Train के साथ train नहीं किया गया है (version पर कोई हरा checkmark नहीं होता)।

"Start Training" पर क्लिक करें।

फिर, Fast या Accurate model चुनें, और "Continue" पर क्लिक करें।

  • यदि आप Single-Label Classification, Multi-Label Classification, या Semantic Segmentation project train कर रहे हैं, तो आपके पास यह Fast या Accurate option नहीं होगा। इन project types के लिए, आप बस "Continue" पर क्लिक करें, और फिर अपनी training job शुरू करने के लिए "Start Training" पर क्लिक करें।

"Select a Model" के तहत, Roboflow Universe में आपने जिस dataset को marked (Starred) किया है, उसका project name चुनें।

अब अपनी training job शुरू करने के लिए "Start Training" पर क्लिक करें। training job पूरा होने पर आपको file में मौजूद account email पर एक email प्राप्त होगा।

आप अपनी training job की progress पर नज़र रख सकते हैं। UI में आपका machine training शुरू करने के लिए startup करते हुए दिखाई देगा।

अपना Model Deploy करना

Training के बाद, आपका model inference के लिए उपयोग करने और custom application में embed करने के लिए तैयार है! देखें Inference Documentation page सभी options के लिए।

अंतिम अपडेट

क्या यह उपयोगी था?