कस्टम मॉडल वज़न अपलोड करें

रोबोफ्लो आपके कस्टम-प्रशिक्षित मॉडल्स के लिए मॉडल वज़न अपलोड करने की सुविधा प्रदान करता है ताकि आप अपने रोबोफ्लो प्रोजेक्ट्स में मॉडल तैनात कर सकें।

एक बार जब आप अपने कस्टम मॉडल का प्रशिक्षण पूरा कर लें, तो अपने मॉडल वेट्स को अपने Roboflow प्रोजेक्ट में अपलोड करें ताकि आप इसका लाभ उठा सकें Roboflow Inference.

मॉडल सपोर्ट

मॉडल वेट्स अपलोड वर्तमान में इनके लिए उपलब्ध हैं:

  • YOLOv5 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन और इंस्टेंस सेगमेंटेशन

  • YOLOv7 इंस्टेंस सेगमेंटेशन (yolov7-seg)

  • YOLOv8 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन, इंस्टेंस सेगमेंटेशन, क्लासिफिकेशन, और कीपॉइंट डिटेक्शन

  • YOLOv9 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन

  • YOLOv10 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन

  • YOLOv11 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन, इंस्टेंस सेगमेंटेशन

  • YOLOv12 (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन

  • YOLO-NAS (s, m, l) ऑब्जेक्ट डिटेक्शन

  • RF-DETR (rfdetr-base, rfdetr-large) ऑब्जेक्ट डिटेक्शन

  • Florence-2 (base, large) मल्टीमोडल

  • PaliGemma (3b-pt-224, 3b-pt-448, 3b-pt-896) मल्टीमोडल

  • PaliGemma 2 (3b-pt-224, 3b-pt-448, 3b-pt-896) मल्टीमोडल

बड़े मॉडल साइज बेहतर प्रशिक्षण परिणाम प्रदान करते हैं। हालांकि, जितना बड़ा मॉडल साइज होगा, प्रशिक्षण का समय और अनुमान (मॉडल प्रेडिक्शन) की गति उतनी ही धीमी होगी। विचार करें कि क्या आप तेज़ गति वाली वस्तुओं या वीडियो फीड्स पर रियल-टाइम अनुमान चाहते हैं (छोटे मॉडल का उपयोग करना बेहतर है), या आप डेटा को एकत्र करने के बाद प्रोसेस कर रहे हैं और उच्च भविष्यवाणी सटीकता की चिंता कर रहे हैं (बड़े मॉडल का चयन करें)।

वर्शनड बनाम वर्शनलेस मॉडल्स अपलोड

Roboflow आपके प्रोजेक्ट्स में मॉडल्स डिप्लॉय करने के दो अलग-अलग तरीके प्रदान करता है, जो विभिन्न उपयोग मामलों और संगठनात्मक आवश्यकताओं के लिए उपयुक्त हैं। वर्शनड और वर्शनलेस डिप्लॉयमेंट के बीच चयन इस बात पर निर्भर करता है कि क्या आपको डेटासेट वर्शन के साथ-साथ मॉडल के विकास को ट्रैक करने की आवश्यकता है या आप अपने वर्कस्पेस में कई प्रोजेक्ट्स में मॉडल्स साझा करना चाहते हैं।

  • वर्शनलेस डिप्लॉयमेंट्स

    • वर्कस्पेस स्तर से जुड़ा हुआ

    • एक साथ कई प्रोजेक्ट्स में डिप्लॉय किया जा सकता है

    • एक ही वर्कस्पेस के भीतर विभिन्न प्रोजेक्ट्स में मॉडल्स साझा करने के लिए आदर्श

  • वर्शनड डिप्लॉयमेंट्स

    • विशिष्ट प्रोजेक्ट वर्शन्स से जुड़ा हुआ

    • प्रत्येक डेटासेट वर्शन के लिए एक मॉडल

    • डेटासेट वर्शन्स के साथ-साथ मॉडल के विकास को ट्रैक करने के लिए आदर्श

    • Label Assist पर मॉडल का उपयोग करने के लिए आदर्श

    • अन्य मॉडल्स के प्रशिक्षण के लिए चेकपॉइंट के रूप में मॉडल का उपयोग करने के लिए आदर्श

कस्टम वेट्स अपलोड करें

शुरू करने से पहले, सुनिश्चित करें कि आपके पास है roboflow>=1.1.53 वर्शनलेस डिप्लॉय का उपयोग करने के लिए।

वर्शनलेस कस्टम वेट्स अपलोड करने के लिए, इसका उपयोग करें workspace.deploy_model Python SDK में मेथड।

उपयोग

workspace.deploy_model(
    model_type="yolov8",  # मॉडल का प्रकार
    model_path="path/to/model",  # मॉडल डायरेक्टरी का पथ
    project_ids=["project1", "project2"],  # प्रोजेक्ट आईडी की सूची
    model_name="my-model",  # मॉडल का नाम (कम से कम 1 अक्षर होना चाहिए, और नंबर व डैश स्वीकार करता है)
    filename="weights/best.pt"  # वेट्स फाइल का पथ (डिफ़ॉल्ट)
)

पैरामीटर्स

  • model_type (str): डिप्लॉय किए जा रहे मॉडल का प्रकार (जैसे, "yolov8", "yolov11")

  • model_path (str): उस डायरेक्टरी का फाइल पथ जिसमें मॉडल वेट्स हैं

  • project_ids (list[str]): उन प्रोजेक्ट्स की सूची जिनमें मॉडल डिप्लॉय करना है

  • model_name (str): मॉडल की पहचान के लिए नाम - (कम से कम 1 अक्षर होना चाहिए, और नंबर व डैश स्वीकार करता है)

  • filename (str, optional): वेट्स फाइल का नाम (डिफ़ॉल्ट: "weights/best.pt")

उदाहरण

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"
)

अगले कदम

  1. Roboflow के "Models" टैब में अपना मॉडल देखें

  2. अपने मॉडल को लोकली चलाएँ Roboflow Inference Server.

Last updated

Was this helpful?