> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-hi/workflows/build-a-workflow.md).

# Workflow बनाएं

एक workflow blocks से बना होता है, जो model inference चलाने, logic निष्पादित करने, या external services के साथ interfacing करने जैसे विशिष्ट कार्य करते हैं।

उपलब्ध block की सूची पर गहराई से जानने के लिए, हमारा देखें [block documentation](https://inference.roboflow.com/workflows/blocks/).

### Overview

यह guide एक object detection model चलाने, predictions count करने, और model results को visualize करने के लिए चार-block workflow बनाने की प्रक्रिया बताता है। यहाँ है [final workflow template](https://app.roboflow.com/workflows/embed/eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJ3b3JrZmxvd0lkIjoiMmdqakJxMDV3Q01ac1hHM3hkeFAiLCJ3b3Jrc3BhY2VJZCI6ImtyT1RBYm5jRmhvUU1DZExPbGU0IiwidXNlcklkIjoiSW1GTElaU2tHYk55OXpiNFV1cWxNelBScHBRMiIsImlhdCI6MTczODE4ODk5MH0.f72WI5bdjtnwC8iqXF_XiUVarfOktIAH1egpsI0Oh4Q) जिसे आप साथ-साथ follow कर सकते हैं।

{% embed url="<https://app.roboflow.com/workflows/embed/eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJ3b3JrZmxvd0lkIjoiMmdqakJxMDV3Q01ac1hHM3hkeFAiLCJ3b3Jrc3BhY2VJZCI6ImtyT1RBYm5jRmhvUU1DZExPbGU0IiwidXNlcklkIjoiSW1GTElaU2tHYk55OXpiNFV1cWxNelBScHBRMiIsImlhdCI6MTczODE4ODk5MH0.f72WI5bdjtnwC8iqXF_XiUVarfOktIAH1egpsI0Oh4Q>" fullWidth="false" %}

<figure><img src="/files/4b60afbb39a724b20c1bafe9ebea527c26eb4772" alt="" width="563"><figcaption><p>Detect, Count, and Visualize Workflow</p></figcaption></figure>

### Block Connections

बिल्ड करना शुरू करने से पहले, यह समझना महत्वपूर्ण है कि block connections कैसे काम करते हैं।

किसी location में block जोड़ने के लिए, उसे पिछले block को input के रूप में उपयोग करना होता है। उदाहरण के लिए, ऊपर दिखाए गए workflow में, *Property Definition* block, *Object Detection* block के बाद आता है क्योंकि यह model block को input के रूप में उपयोग करता है। *Bounding Box Visualization* block दाईं ओर है, क्योंकि यह *Property Definition* block के output का उपयोग नहीं करता, लेकिन model output को reference करता है।

<figure><img src="/files/edcd97a8327277f1c3f4b31d50c8e250e78d03da" alt=""><figcaption><p>Model Comparison Workflow</p></figcaption></figure>

ऊपर दिए गए उदाहरण workflow में, हमारे पास चार अलग-अलग pathways हैं, क्योंकि runtime के दौरान प्रत्येक branch parallel में execute होती है, और inputs के रूप में दूसरे branch blocks पर निर्भर नहीं करती।

### Builder Assist

Builder Assist यह नियंत्रित करता है कि workflow editor आपको blocks जोड़ते और insert करते समय कितनी मदद देता है। आप top-right navbar में मौजूद toggle का उपयोग करके modes के बीच switch कर सकते हैं।

तीन modes हैं:

* **Auto** (default): जब blocks को connected या inserted किया जाता है, तो compatible input और output fields अपने आप wire हो जाते हैं। जब आप blocks को remove या disconnect करते हैं, तो builder downstream references को भी repair करता है।
* **Quick**: सुझाए गए connections और block recommendations दिखाता है, लेकिन उन्हें केवल तभी लागू करता है जब आप स्पष्ट रूप से accept करें। यदि आप guidance चाहते हैं लेकिन builder को अपनी ओर से changes नहीं करने देना चाहते, तो यह उपयोगी है।
* **Manual**: कोई suggestions नहीं और कोई automatic wiring नहीं। हर connection आप स्वयं नियंत्रित करते हैं।

आपका चुना हुआ mode locally saved रहता है, इसलिए यह sessions के बीच बना रहता है।

### Building a Workflow

#### Object Detection Model

सबसे पहले, एक *Object Detection Model* block जोड़ें। आप public pre-trained model चुन सकते हैं, जैसे YOLOv8n जो [COCO](https://universe.roboflow.com/microsoft/coco)पर trained है, या अपने workspace में fine-tuned model। मैं आगे बढ़कर लोगों और वाहनों का पता लगाने के लिए pre-trained *yolov8n* model का उपयोग करूँगा।

<figure><img src="/files/c5be16d22d3021e1ab21f0ce380cb81c15f2ce60" alt="" width="344"><figcaption></figcaption></figure>

object detection block में एक required image parameter होता है, जो निर्धारित करता है कि model किस पर inference कर रहा है। कई optional parameters भी होते हैं, जिनमें core ones नीचे विस्तार से दिए गए हैं:

* Class Filter: classes की सूची जिन्हें model return करेगा। नोट: model हमेशा केवल उन्हीं classes को return करेगा जिन पर उसे train किया गया है; इससे आप अनावश्यक classes को filter out कर सकते हैं।
* Confidence: इससे कम confidence वाले objects return नहीं किए जाएंगे।
* IoU threshold: अधिक threshold अधिक overlapping predictions return करेगा। 0.9 का मतलब है कि 90% या उससे कम overlap वाले objects return किए जाएंगे, जबकि 0.1 का मतलब है कि 10% से अधिक overlap वाले objects शामिल नहीं किए जाएंगे।
* Max Detections: model द्वारा return किए जाने वाले objects की अधिकतम संख्या
* Class Agnostic NMS: क्या overlap filtering को केवल same class वाले objects के साथ compare और exclude करना चाहिए, या सभी classes के साथ

#### Property Definition

property definition block आपको अपने data से relevant information निकालने देता है, जैसे image size, predicted classes, या detected objects की संख्या। इस उदाहरण में, हम object detection model द्वारा पाए गए objects की संख्या गिनेंगे।

<figure><img src="https://lh7-rt.googleusercontent.com/docsz/AD_4nXc507UbRnkEH6XMdrfmwVZbHcK6x6K5THwnt1RmEk8iXSojwvmiA_q6KwRXV9bJudYnW7NMTQKKb9GqGxm_P0VjbuOoGWcDsM5NoQckl9jV4YcjYQFIvYoCgvd_YnQTNJLlwdbZwA?key=yGJPQzp1abf4J7pT0mnBw8w4" alt="" width="375"><figcaption></figcaption></figure>

के लिए *Data* property, model predictions को reference करें। के लिए *Operations*, Count Items चुनें। यह configuration object detection model द्वारा बनाई गई predictions की संख्या return करेगी।

#### Bounding Box Visualization

model results को visualize करने के लिए एक bounding box visualization block जोड़ें। के लिए *image* parameter, input image चुनें। predictions के लिए, model results चुनें। आप optional configuration properties का उपयोग करके bounding boxes का color और size वैकल्पिक रूप से बदल सकते हैं।

<figure><img src="/files/10d7fc9eba4fc897184968bf35bc8e51d1c5ea79" alt="" width="342"><figcaption></figcaption></figure>

#### Label Visualization

bounding boxes बनाने के अलावा, हम predictions के class names भी display करना चाहेंगे। ऐसा करने के लिए, bounding box visualization के बाद एक *Label Visualization* block जोड़ें। एक ही image पर bounding boxes और labels दोनों draw करने के लिए, आप reference input image को *bounding\_box\_visualization* image के रूप में set करना चाहेंगे, input image को reference करने के बजाय। इससे labels bounding boxes के ऊपर draw होंगे।

<figure><img src="/files/9bcb7bac97513ce722909a458be4f54e731c6460" alt="" width="343"><figcaption></figcaption></figure>

आप optional *Text* parameter बदल सकते हैं ताकि display text class name से confidence, या class name और confidence में बदला जा सके।

### Saving Changes

Workflow editor आपकी changes को draft के रूप में auto-save करता है। editing करते समय आपको manually save करने की आवश्यकता नहीं है।

अपनी changes को live करने के लिए, Workflow publish करें। यदि आपने Workflow deploy किया है, तो आपका published version उन सभी devices पर चलना शुरू कर देगा जहाँ Workflow deploy किया गया है।

अब जब आपके पास एक completed workflow है, इसे test करने का समय है।


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-hi/workflows/build-a-workflow.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.