Versions, Trainings, और Models

Roboflow तीन concepts को अलग रखता है: एक dataset version, एक training, और एक model। यह समझना कि ये कैसे संबंधित हैं, आपको models को train, compare, और deploy करने में मदद करता है।

एक dataset version आपकी dataset का एक immutable snapshot होता है, जिसमें उसकी images, splits, preprocessing, और augmentation शामिल होते हैं। आप एक नया version केवल तभी generate करते हैं जब snapshot खुद बदलता है।

एक training एक single training run है जिसे आप किसी version पर चुनी हुई architecture और settings के साथ शुरू करते हैं। एक version में एक या अधिक trainings हो सकती हैं।

एक model एक trained network है जो एक training से बनता है। एक single training एक या अधिक models बनाती है (जैसे, एक Neural Architecture Search कई candidate models बनाती है)।

Dataset Version
   │  एक या अधिक trainings शुरू करें
   ▼
Training
   │  एक या अधिक models बनाता है
   ▼
मॉडल

आप उसी version से एक से अधिक training शुरू कर सकते हैं, उदाहरण के लिए architectures की तुलना करने के लिए, बिना data को फिर से generate किए। दूसरे model को train करने के लिए आपको नए version की आवश्यकता नहीं है। नया version केवल तभी generate करें जब underlying data या preprocessing बदल जाए।

हर model को अलग से deploy और evaluate किया जाता है, और जब आप इसे deploy करते हैं या inference चलाते हैं, तो इसे एक model ID से refer किया जाता है। किसी version पर trained model की अपनी per-model ID होती है, जिसका format {workspace}/{model-slug}है, इसलिए कई models वाले version में हर model को एक distinct ID मिलती है (उदाहरण के लिए, आप Workflow model block में एक चुनते हैं)। Legacy single-model versions को इसके बजाय {project}/{version} से address किया जाता है। देखें Model IDs दोनों formats की structure के लिए, और समर्थित Models एक trained model को call करने के लिए।

एक single model वाला version इस relationship का सामान्य case है: एक training जिसने एक model produce किया। यही structure उसी version पर कई trainings और कई models तक scale करता है।