> 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/deploy-a-workflow.md).

# Workflow deploy करें

आप एक Workflow को चार तरीकों से deploy कर सकते हैं:

1. छवियों को भेजें [Roboflow API](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) अपने Workflow का उपयोग करके processing के लिए।
2. एक बनाएं [Roboflow Dedicated Deployment](/roboflow/roboflow-hi/deploy/dedicated-deployments.md) ऐसे infrastructure पर जो केवल आपके उपयोग के लिए provisioned है।
3. अपने स्वयं के hardware पर अपना Workflow चलाएँ, उपयोग करके [Roboflow Inference](https://inference.roboflow.com/install/).
4. उपयोग करें [Batch Processing](/roboflow/roboflow-hi/deploy/batch-processing.md) ताकि बड़े मात्रा में data को बिना coding cost के कुशलतापूर्वक process किया जा सके।

यदि आप अपना Workflow अपने स्वयं के hardware पर चलाते हैं, तो आप इसे images और video files दोनों पर चला सकते हैं (जिसमें सामान्य **webcams** और professional **CCTV cameras**).

on-premises deployment चुनकर, आप Workflows को किसी भी ऐसे system पर चला सकते हैं जहाँ आप Inference deploy कर सकते हैं। इसमें शामिल हैं:

* NVIDIA Jetson
* AWS EC2, GCP Cloud Engine, और Azure Virtual Machines
* Raspberry Pi

{% hint style="info" %}
Roboflow Enterprise customers के पास अतिरिक्त video stream options तक पहुँच होती है, जैसे Basler cameras पर inference चलाना। हमारी offerings के बारे में अधिक जानने के लिए, [Roboflow sales team से संपर्क करें](https://roboflow.com/sales).
{% endhint %}

### एक Workflow deploy करें

एक workflow deploy करने के लिए, Workflows editor के ऊपर बाएँ कोने में स्थित "Deploy" button पर click करें। सभी deployment options इस page पर documented हैं।

आपके Workflows editor में code snippets आपके Workflows URL और API key से pre-filled होंगे।

{% hint style="info" %}
Workflows के लिए usage limits के बारे में अधिक जानने के लिए, देखें [Roboflow pricing page](https://roboflow.com/workflows).
{% endhint %}

#### इमेजेज़ Process करें

आप Roboflow API या local Inference server का उपयोग करके अपने Workflow को single images पर चला सकते हैं।

सबसे पहले, Roboflow Inference SDK install करें:

```python
pip install inference-sdk inference-cli 
```

यदि आप locally run करते हैं, तो [official Docker installation instructions](https://docs.docker.com/get-docker/) का पालन करें ताकि अपने machine पर Docker install कर सकें और Inference server शुरू कर सकें:

```
inference server start
```

फिर, एक नई Python file बनाएं और निम्न code जोड़ें:

```python
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",  # या स्थानीय deployment के लिए "http://127.0.0.1:9001"
    api_key="API_KEY"
)

result = client.run_workflow(
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    images={
        "image": "YOUR_IMAGE.jpg"
    }
)

```

ऊपर, बदलें `API_KEY` अपने Roboflow API key से। बदलें `workspace-name` और `workflow-id` अपने Roboflow workspace name और Workflow IDs से।

इन values को खोजने के लिए, अपना Roboflow Workflow खोलें और "Deploy Workflow" पर click करें। फिर, page पर दिखाई देने वाले code snippet से अपना workspace name और workflow ID copy करें।

Local execution CPU और NVIDIA CUDA GPU devices पर काम करती है। सर्वोत्तम performance के लिए, NVIDIA Jetson या NVIDIA GPU वाले cloud server जैसे GPU-enabled device पर deploy करें।

#### Video Stream Process करें (RTSP, Webcam)

आप अपने Workflow को video stream के frames पर deploy कर सकते हैं। यह एक webcam या RTSP stream हो सकती है। आप अपने Workflow को video files पर भी चला सकते हैं।

सबसे पहले, Inference install करें:

```
pip install inference  # या GPU machines के लिए inference-gpu
```

Inference को install होने में कुछ मिनट लग सकते हैं।

फिर, एक नई Python file बनाएं और निम्न code जोड़ें:

```python
# InferencePipeline object import करें
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # प्रत्येक frame की predictions के साथ कुछ करें
    

# एक pipeline object initialize करें
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # video का path, RSTP stream, device id (int, आमतौर पर built in webcams के लिए 0), या RTSP stream url
    on_prediction=my_sink
)
pipeline.start() # pipeline शुरू करें
pipeline.join() # pipeline thread के समाप्त होने का इंतज़ार करें

```

ऊपर, बदलें `API_KEY` अपने Roboflow API key से। बदलें `workspace-name` और `workflow-id` अपने Roboflow workspace name और Workflow IDs से।

इन values को खोजने के लिए, अपना Roboflow Workflow खोलें और "Deploy Workflow" पर click करें। फिर, page पर दिखाई देने वाले code snippet से अपना workspace name और workflow ID copy करें।

जब आप ऊपर दिया गया code चलाते हैं, तो आपका Workflow आपके video या video stream पर चलेगा।

#### Data के Batches Process करें

आप Roboflow Batch Processing service का उपयोग करके data के पूरे batches—images और video files की directories—को कुशलतापूर्वक process कर सकते हैं। यह पूरी तरह से managed solution किसी coding या local computation की आवश्यकता नहीं रखती। बस अपना data और Workflow चुनें, और बाकी Roboflow पर छोड़ दें।

हम Batch Processing के साथ UI, CLI और REST API interactions दोनों का समर्थन करते हैं। नीचे, हम CLI commands प्रस्तुत करते हैं। [सभी विकल्प](https://inference.roboflow.com/workflows/batch_processing/about/#cli).

processing चलाने के लिए, Inference CLI install करें:

```
pip install inference-cli
```

फिर आप अपना data ingest कर सकते हैं:

```
inference rf-cloud data-staging create-batch-of-images \
    --images-dir <your-images-dir-path> \
    --batch-id <your-batch-id>
```

जब data load हो जाए, processing job शुरू करें:

```
inference rf-cloud batch-processing process-images-with-workflow \
    --workflow-id <workflow-id> \
    --batch-id <batch-id>
```

job की प्रगति इस तरह प्रदर्शित की जा सकती है:

```
inference rf-cloud batch-processing show-job-details \\
    --job-id <your-job-id>  # job बनाते समय job-id दिखाया जाएगा
```

और जब job पूरी हो जाए, results export करें:

```
inference rf-cloud data-staging export-batch \
    --target-dir <dir-to-export-result> \
    --batch-id <output-batch-of-a-job>
```


---

# 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/deploy-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.