> 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/workflows/hi/build/build-a-workflow.md).

# Workflow बनाएँ

Builder Assist मोड और एडिटर में auto layout का उपयोग करके Workflow बनाने के लिए blocks जोड़ें और उन्हें जोड़ें।

वर्कफ़्लो ब्लॉक्स से बना होता है, जो खास कार्य करते हैं—जैसे मॉडल इन्फ़रेंस चलाना, लॉजिक लागू करना या बाहरी सेवाओं के साथ इंटरफ़ेस करना।

उपलब्ध ब्लॉक्स की सूची के बारे में विस्तार से जानने के लिए देखें [ब्लॉक दस्तावेज़](https://docs.roboflow.com/workflows/hi/blocks/blocks.md).

### अवलोकन

इस गाइड में हम ऑब्जेक्ट डिटेक्शन मॉडल चलाने, उसकी भविष्यवाणियों की गिनती करने और मॉडल के नतीजों को विज़ुअलाइज़ करने के लिए चार ब्लॉक्स वाला वर्कफ़्लो बनाएँगे। साथ चलने के लिए यह रहा [अंतिम वर्कफ़्लो टेम्पलेट](https://app.roboflow.com/workflows/embed/eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJ3b3JrZmxvd0lkIjoiMmdqakJxMDV3Q01ac1hHM3hkeFAiLCJ3b3Jrc3BhY2VJZCI6ImtyT1RBYm5jRmhvUU1DZExPbGU0IiwidXNlcklkIjoiSW1GTElaU2tHYk55OXpiNFV1cWxNelBScHBRMiIsImlhdCI6MTczODE4ODk5MH0.f72WI5bdjtnwC8iqXF_XiUVarfOktIAH1egpsI0Oh4Q) ।

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

<figure><img src="https://4229620234-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoO0Ceoy9R0lHDZATcPyh%2Fuploads%2Fgit-blob-3320b2627ac743a17afb97f63c70993b4cbe3b51%2FCleanShot%202025-01-29%20at%2015.25.03%402x.png?alt=media" alt="" width="563"><figcaption><p>डिटेक्ट, काउंट और विज़ुअलाइज़ वर्कफ़्लो</p></figcaption></figure>

### ब्लॉक कनेक्शन

शुरू करने से पहले, यह समझना ज़रूरी है कि ब्लॉक कनेक्शन कैसे काम करते हैं।

किसी स्थान पर ब्लॉक जोड़ने के लिए, उसे पिछले ब्लॉक का उपयोग इनपुट के रूप में करना होगा। उदाहरण के लिए, ऊपर दिखाए गए वर्कफ़्लो में, *प्रॉपर्टी डेफ़िनिशन* ब्लॉक, *ऑब्जेक्ट डिटेक्शन* ब्लॉक के बाद आता है, क्योंकि यह मॉडल ब्लॉक का उपयोग इनपुट के रूप में करता है। *बाउंडिंग बॉक्स विज़ुअलाइज़ेशन* ब्लॉक दाईं ओर है, क्योंकि यह *प्रॉपर्टी डेफ़िनिशन* ब्लॉक के आउटपुट का उपयोग नहीं करता, लेकिन मॉडल के आउटपुट को संदर्भित करता है।

<figure><img src="https://4229620234-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoO0Ceoy9R0lHDZATcPyh%2Fuploads%2Fgit-blob-79fa8c10219b4a7e8e0696acceae5e297f05f70f%2FCleanShot%202025-01-29%20at%2016.31.28%402x.png?alt=media" alt=""><figcaption><p>मॉडल तुलना वर्कफ़्लो</p></figcaption></figure>

ऊपर दिए गए उदाहरण वर्कफ़्लो में चार अलग-अलग शाखाएँ हैं, क्योंकि रनटाइम पर हर शाखा समानांतर रूप से चलती है और इनपुट के लिए दूसरी शाखा के ब्लॉक्स पर निर्भर नहीं होती।

### बिल्डर असिस्ट

बिल्डर असिस्ट यह नियंत्रित करता है कि ब्लॉक्स को कनेक्ट और जोड़ते समय वर्कफ़्लो एडिटर आपको कितनी मदद देता है। आप ऊपर-दाईं ओर मौजूद नेविगेशन बार के टॉगल से मोड बदल सकते हैं।

इसके तीन मोड हैं:

* **ऑटो** (डिफ़ॉल्ट): ब्लॉक्स को कनेक्ट या जोड़ने पर संगत इनपुट और आउटपुट फ़ील्ड अपने-आप कनेक्ट करता है। ब्लॉक्स हटाने या डिस्कनेक्ट करने पर बिल्डर आगे के संदर्भों को भी ठीक करता है।
* **क्विक**: सुझाए गए कनेक्शन और ब्लॉक की सिफ़ारिशें दिखाता है, लेकिन उन्हें तभी लागू करता है जब आप स्पष्ट रूप से स्वीकार करते हैं। अगर आप चाहते हैं कि बिल्डर आपकी ओर से बदलाव किए बिना मार्गदर्शन दे, तो यह उपयोगी है।
* **मैन्युअल**: कोई सुझाव नहीं और कोई स्वचालित कनेक्शन नहीं। हर कनेक्शन पर आपका नियंत्रण रहता है।

आपका चुना हुआ मोड स्थानीय रूप से सेव होता है, इसलिए वह अलग-अलग सत्रों में भी बना रहता है।

### ब्लॉक्स व्यवस्थित करना

वर्कफ़्लो एडिटर आपके ब्लॉक्स को अपने-आप व्यवस्थित कर सकता है। मौजूदा ब्लॉक्स को व्यवस्थित करने और उन्हें दृश्य में फ़िट करने के लिए ऑटो लेआउट बटन (एडिटर टूलबार में साइटमैप आइकन) पर क्लिक करें।

बटन के पास वाला शेवरॉन दो विकल्पों का मेन्यू खोलता है:

* "अभी व्यवस्थित करें": लेआउट को एक बार व्यवस्थित करता है; इसका असर बटन पर क्लिक करने जैसा ही है।
* "अपने-आप व्यवस्थित करें": चालू होने पर, हर बार ब्लॉक जोड़ने या कनेक्शन बदलने पर एडिटर ब्लॉक्स को फिर से व्यवस्थित करता है। ब्लॉक को खींचने पर यह मोड रुक जाता है, ताकि हाथ से तय किया गया लेआउट बना रहे।

आपकी पसंद हर वर्कफ़्लो के लिए स्थानीय रूप से सेव होती है।

### वर्कफ़्लो बनाना

#### ऑब्जेक्ट डिटेक्शन मॉडल

सबसे पहले, एक *ऑब्जेक्ट डिटेक्शन मॉडल* ब्लॉक जोड़ें। आप पहले से प्रशिक्षित सार्वजनिक मॉडल चुन सकते हैं, जैसे [COCO](https://universe.roboflow.com/microsoft/coco)पर प्रशिक्षित YOLOv8n, या अपने वर्कस्पेस में मौजूद फ़ाइन-ट्यून किया हुआ मॉडल। मैं लोगों और वाहनों का पता लगाने के लिए पहले से प्रशिक्षित *yolov8n* मॉडल का उपयोग करूँगा।

<figure><img src="https://4229620234-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoO0Ceoy9R0lHDZATcPyh%2Fuploads%2Fgit-blob-bc18512f57a057976473b7d03cc7ee3a884e67e3%2FCleanShot%202025-01-29%20at%2015.30.31%402x.png?alt=media" alt="" width="344"><figcaption></figcaption></figure>

ऑब्जेक्ट डिटेक्शन ब्लॉक में इमेज का एक अनिवार्य पैरामीटर होता है, जो तय करता है कि मॉडल किस इमेज पर इन्फ़रेंस करेगा। इसमें कई वैकल्पिक पैरामीटर भी हैं; प्रमुख पैरामीटरों का विवरण नीचे दिया गया है:

* क्लास फ़िल्टर: उन क्लासों की सूची जिन्हें मॉडल लौटाएगा। ध्यान दें: मॉडल हमेशा केवल उन्हीं क्लासों को लौटाएगा जिन पर उसे प्रशिक्षित किया गया है। इससे आप गैर-ज़रूरी क्लासों को फ़िल्टर कर सकते हैं।
* कॉन्फ़िडेंस: इससे कम कॉन्फ़िडेंस वाली वस्तुएँ नहीं लौटाई जाएँगी।
* IoU थ्रेशोल्ड: ऊँचा थ्रेशोल्ड रखने पर ओवरलैप करने वाली अधिक भविष्यवाणियाँ मिलेंगी। 0.9 का अर्थ है कि 90% या उससे कम ओवरलैप वाली वस्तुएँ लौटाई जाएँगी, जबकि 0.1 का अर्थ है कि 10% से अधिक ओवरलैप वाली वस्तुएँ शामिल नहीं की जाएँगी।
* अधिकतम डिटेक्शन: मॉडल द्वारा लौटाई जाने वाली वस्तुओं की अधिकतम संख्या
* क्लास-अग्नॉस्टिक NMS: क्या ओवरलैप फ़िल्टरिंग में केवल एक ही क्लास वाली वस्तुओं की तुलना करके उन्हें हटाना चाहिए, या सभी क्लास की वस्तुओं की

#### प्रॉपर्टी की परिभाषा

प्रॉपर्टी डेफ़िनिशन ब्लॉक से आप अपने डेटा से प्रासंगिक जानकारी निकाल सकते हैं, जैसे कि इमेज का आकार, अनुमानित क्लास या पहचानी गई वस्तुओं की संख्या। इस उदाहरण में, हम ऑब्जेक्ट डिटेक्शन मॉडल द्वारा पाई गई वस्तुओं 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* प्रॉपर्टी में, मॉडल के अनुमान का संदर्भ दें। *Operations*के लिए, Count Items चुनें। यह कॉन्फ़िगरेशन ऑब्जेक्ट डिटेक्शन मॉडल द्वारा किए गए अनुमानों की संख्या लौटाएगा।

#### बाउंडिंग बॉक्स विज़ुअलाइज़ेशन

मॉडल के नतीजों को विज़ुअलाइज़ करने के लिए बाउंडिंग बॉक्स विज़ुअलाइज़ेशन ब्लॉक जोड़ें। *image* पैरामीटर के लिए, इनपुट इमेज चुनें। अनुमान के लिए, मॉडल के नतीजे चुनें। वैकल्पिक कॉन्फ़िगरेशन प्रॉपर्टी का उपयोग करके आप बाउंडिंग बॉक्स का रंग और आकार बदल सकते हैं।

<figure><img src="https://4229620234-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoO0Ceoy9R0lHDZATcPyh%2Fuploads%2Fgit-blob-c02309fdf720d80b86c1de59ed126c7b7d9a2f9d%2FCleanShot%202025-01-29%20at%2015.31.50%402x.png?alt=media" alt="" width="342"><figcaption></figcaption></figure>

#### लेबल विज़ुअलाइज़ेशन

बाउंडिंग बॉक्स बनाने के साथ-साथ, हम अनुमानों के क्लास नाम भी दिखाना चाहेंगे। इसके लिए, एक *लेबल विज़ुअलाइज़ेशन* ब्लॉक को बाउंडिंग बॉक्स विज़ुअलाइज़ेशन के बाद जोड़ें। एक ही इमेज पर बाउंडिंग बॉक्स और लेबल, दोनों बनाने के लिए, संदर्भ इनपुट इमेज को *bounding\_box\_visualization* इमेज के रूप में सेट करें, न कि इनपुट इमेज के संदर्भ के रूप में। इससे बाउंडिंग बॉक्स के ऊपर लेबल बनेंगे।

<figure><img src="https://4229620234-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoO0Ceoy9R0lHDZATcPyh%2Fuploads%2Fgit-blob-cdcb7551292e790e706a1451b75bd3dcca6b28eb%2FCleanShot%202025-01-29%20at%2016.17.06%402x.png?alt=media" alt="" width="343"><figcaption></figcaption></figure>

आप वैकल्पिक *Text* पैरामीटर बदलकर प्रदर्शित टेक्स्ट को क्लास नाम से, कॉन्फ़िडेंस से, या क्लास नाम और कॉन्फ़िडेंस से बदल सकते हैं।

### बदलाव सहेजना

अपने बदलावों को ड्राफ़्ट के रूप में सहेजने के लिए "Save" पर क्लिक करें। Workflow एडिटर में बदलाव करते समय वे अपने आप सहेजे नहीं जाते।

अपने बदलावों को लाइव करने के लिए, आवश्यक जाँचें और मैन्युअल स्वीकृति पूरी होने के बाद Workflow प्रकाशित करें।

अब जबकि आपका Workflow पूरा हो गया है, इसे परखने का समय है।

### उदाहरण: दो चरणों वाला Workflow

जब आप एकल-मॉडल Workflows के साथ सहज हो जाएँ, तो अगला आम पैटर्न पहले मॉडल के आउटपुट पर दूसरा मॉडल जोड़ना है। यह उदाहरण कुत्तों का पता लगाता है, हर पहचान को क्रॉप करता है, हर क्रॉप की नस्ल का वर्गीकरण करता है और फिर नस्ल का नाम मूल बाउंडिंग बॉक्स पर लिखता है।

1. **ऑब्जेक्ट डिटेक्शन मॉडल** - ब्लॉक जोड़ें और `rfdetr-small` मॉडल चुनें।
2. **डायनेमिक क्रॉप** - पहले मॉडल से मिली वस्तुओं को क्रॉप करें। इसकी *Image* प्रॉपर्टी को Workflow की इनपुट इमेज पर और इसकी *Predictions* प्रॉपर्टी को डिटेक्शन मॉडल के अनुमानों पर सेट करें।
3. **क्लासिफ़िकेशन मॉडल** - हर क्रॉप पर चलाएँ। Roboflow Universe मॉडल `dog-breed-xpaq6/1` का उपयोग करें और ब्लॉक की *Image* प्रॉपर्टी को डायनेमिक क्रॉप ब्लॉक के `crops` आउटपुट पर सेट करें।
4. **डिटेक्शन क्लास प्रतिस्थापन** - हर क्रॉप की अनुमानित क्लास को उसके बाउंडिंग बॉक्स से जोड़ें। इसमें ऑब्जेक्ट डिटेक्शन के अनुमानों और क्लासिफ़िकेशन नतीजों के संदर्भ लिए जाते हैं।
5. **बाउंडिंग बॉक्स विज़ुअलाइज़ेशन** फिर **लेबल विज़ुअलाइज़ेशन** - दोनों को एक के बाद एक जोड़ें, पहले का इनपुट हो `$inputs.image` और दूसरे का इनपुट पहले का आउटपुट इमेज हो। दोनों, Detections Classes Replacement चरण के predictions का संदर्भ लेते हैं।
6. **आउटपुट** - बदली गई क्लास वाले detections और अंतिम विज़ुअलाइज़ेशन चुनें।

<figure><img src="https://media.roboflow.com/inference/workflow_visualisation_result.png" alt="Dog breed classification result"><figcaption><p>दो-चरणीय Workflow का परिणाम</p></figcaption></figure>

क्योंकि क्रॉप, इनपुट इमेज से एक स्तर और नीचे होते हैं, इसलिए वर्गीकरण के परिणाम हर इमेज के परिणामों के भीतर नेस्टेड होते हैं। यह नेस्टिंग कैसे काम करती है, इसके लिए देखें [Workflow का निष्पादन](https://docs.roboflow.com/workflows/hi/developer-guide/developer-guide/workflow-execution.md) ।

<details>

<summary>इस उदाहरण के लिए Workflow की परिभाषा</summary>

इस Workflow को फिर से बनाने के लिए इसे एडिटर में पेस्ट करें।

```json
{
  "version": "1.0",
  "inputs": [
    {
      "type": "InferenceImage",
      "name": "image"
    }
  ],
  "steps": [
    {
      "type": "roboflow_core/roboflow_object_detection_model@v1",
      "name": "model",
      "images": "$inputs.image",
      "model_id": "rfdetr-small"
    },
    {
      "type": "roboflow_core/dynamic_crop@v1",
      "name": "dynamic_crop",
      "images": "$inputs.image",
      "predictions": "$steps.model.predictions"
    },
    {
      "type": "roboflow_core/roboflow_classification_model@v1",
      "name": "model_1",
      "images": "$steps.dynamic_crop.crops",
      "model_id": "dog-breed-xpaq6/1"
    },
    {
      "type": "roboflow_core/detections_classes_replacement@v1",
      "name": "detections_classes_replacement",
      "object_detection_predictions": "$steps.model.predictions",
      "classification_predictions": "$steps.model_1.predictions"
    },
    {
      "type": "roboflow_core/bounding_box_visualization@v1",
      "name": "bounding_box_visualization",
      "predictions": "$steps.detections_classes_replacement.predictions",
      "image": "$inputs.image"
    },
    {
      "type": "roboflow_core/label_visualization@v1",
      "name": "label_visualization",
      "predictions": "$steps.detections_classes_replacement.predictions",
      "image": "$steps.bounding_box_visualization.image"
    }
  ],
  "outputs": [
    {
      "type": "JsonField",
      "name": "detections",
      "coordinates_system": "own",
      "selector": "$steps.detections_classes_replacement.predictions"
    },
    {
      "type": "JsonField",
      "name": "visualisation",
      "coordinates_system": "own",
      "selector": "$steps.label_visualization.image"
    }
  ]
}
```

</details>

ऊपर दिए गए JSON का सिंटैक्स जानने के लिए देखें [Workflow Definition का सिंटैक्स](https://docs.roboflow.com/workflows/hi/developer-guide/developer-guide/definitions.md).
