> 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/tutorials-1/hello-world.md).

# Hello World

इस ट्यूटोरियल में, हम एक सरल [वर्कफ़्लो](https://docs.roboflow.com/workflows) यह सत्यापित करने के लिए कि हमारा सेटअप स्थापित है और सही ढंग से काम कर रहा है। हम एक कंप्यूटर विज़न मॉडल पर इन्फ़रेंस चलाएँगे और UI डिबगर के माध्यम से उसके आउटपुट को विज़ुअलाइज़ करेंगे।

**कठिनाई:** आसान\
**पूरा करने का समय:** 5 मिनट

## पूर्वापेक्षाएँ

{% tabs %}
{% tab title="क्लाउड से जुड़ा हुआ" %}
इस ट्यूटोरियल के लिए केवल [एक निःशुल्क Roboflow खाता](https://app.roboflow.com/workflows) और यह बिना किसी सेटअप के Serverless Cloud API पर चल सकता है। शुरू करने का यह सबसे आसान तरीका है, और आप बाद में अपने Workflows को self-hosting पर माइग्रेट कर सकते हैं।

आप प्लेटफ़ॉर्म UI के ऊपर बाएँ स्थित "Running on" चयनकर्ता पर क्लिक करके क्लाउड प्लेटफ़ॉर्म से स्थानीय रूप से चल रहे Inference Server से भी कनेक्ट कर सकते हैं और उसे इंगित कर सकते हैं `localhost` या आपके सर्वर का IP.

एक बार आपके पास खाता हो जाए, [एक नया (खाली) वर्कफ़्लो बनाएँ](https://docs.roboflow.com/workflows/build/create-a-workflow), फिर नीचे जारी रखें।
{% endtab %}

{% tab title="अलग-थलग" %}
Detached मोड में, आप Roboflow खाते या API key के बिना Inference Server और Workflow Builder UI दोनों को स्थानीय रूप से चलाते हैं। Detached मोड में, आप रिमोट डिप्लॉयमेंट, मॉनिटरिंग, क्लाउड मॉडल हब और डेटासेट प्रबंधन प्लेटफ़ॉर्म के साथ एकीकरण जैसी क्लाउड-से जुड़ी सुविधाओं का उपयोग नहीं करते, और अपने स्वयं के एक्सेस कंट्रोल को लागू करने की ज़िम्मेदारी आपकी होती है।

अपने स्वयं के मशीन पर बिना Roboflow खाते के चलाने के लिए, निम्न का पालन करें [self-hosted स्थापना निर्देश](https://docs.roboflow.com/deployment/self-hosted/self-hosted) और अपने Inference Server को development mode में शुरू करें (using `inference server start --dev`).

फिर, स्थानीय Workflows builder पर जाएँ: `localhost:9001/build` और बैंगनी "Create a Workflow" बटन का उपयोग करके एक खाली Workflow बनाएँ। यदि संकेत दिया जाए, तो "Build My Own" चुनें।
{% endtab %}
{% endtabs %}

अब आपके पास एक खाली Workflow होना चाहिए और आप निर्माण शुरू करने के लिए तैयार होने चाहिए।

![खाली Workflow](https://media.roboflow.com/workflows/guides/hello-world/01-empty-workflow.webp)

## एक मॉडल जोड़ें

पहला कदम एक Model Block जोड़ना है। ब्लॉक चयन साइडबार खोलने के लिए "Add a Block" पर क्लिक करें।

![एक ब्लॉक जोड़ें](https://media.roboflow.com/workflows/guides/hello-world/02-block-sidebar.webp)

इस गाइड के लिए, object detection model block चुनें।

![एक मॉडल चुनें](https://media.roboflow.com/workflows/guides/hello-world/03-choose-model.webp)

फिर एक मॉडल चुनें। आप एक pre-trained model (Microsoft COCO dataset में मौजूद सामान्य वस्तुओं की 80 classes पर प्रशिक्षित) का उपयोग कर सकते हैं। या, यदि आपने अपना Roboflow खाता लिंक किया है, तो आपके fine-tuned मॉडलों में से कोई भी या Roboflow Universe पर साझा किए गए 100,000+ community-trained मॉडलों में से कोई एक उपयोग कर सकते हैं [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).

![एक मॉडल चुनें](https://media.roboflow.com/workflows/guides/hello-world/04-yolo-nas.webp)

## अपने Workflow का परीक्षण करें

एक मॉडल जोड़ लेने के बाद, आप इसे किसी image या video पर परीक्षण कर सकते हैं। ऊपर दाईं ओर "Test Workflow" पर क्लिक करें, फिर एक image जोड़ें और "Run" पर क्लिक करें। डिफ़ॉल्ट रूप से, आपका आउटपुट मॉडल के predictions का एक JSON representation शामिल करता है।

![अपने Workflow का परीक्षण करें](https://media.roboflow.com/workflows/guides/hello-world/05-test-workflow.webp)

## एक विज़ुअलाइज़ेशन जोड़ें

आपका मॉडल क्या भविष्यवाणी कर रहा है, इसे बेहतर ढंग से देखने के लिए, Object Detection Model block के नीचे स्थित "+" बटन पर क्लिक करके एक visualization block जोड़ें। "Bounding Box Visualization" और "Label Visualization" साथ में अच्छी तरह काम करते हैं।

![विज़ुअलाइज़ेशन जोड़ें](https://media.roboflow.com/workflows/guides/hello-world/06-add-visualization.webp)

अगला, सुविधा के लिए हम outputs के क्रम को बदलेंगे ताकि visualization पहले (JSON के ऊपर) दिखे। "Outputs" block पर क्लिक करें, फिर अपने चुने गए visualization के लिए "Move Up" बटन पर क्लिक करें।

![आउटपुट व्यवस्थित करें](https://media.roboflow.com/workflows/guides/hello-world/07-arrange-outputs.webp)

अब, जब हम अपने Workflow का परीक्षण करते हैं, तो JSON के अलावा हमें एक rendered image दिखाई देती है। यह debugging के लिए और किसी ऐप के UI के हिस्से के रूप में दोनों में उपयोगी हो सकता है।

![फिर से परीक्षण करें](https://media.roboflow.com/workflows/guides/hello-world/08-test-again.webp)

हम थंबनेल (या "Visual" output toggle) पर क्लिक करके image का बड़ा संस्करण भी देख सकते हैं।

![विज़ुअल देखें](https://media.roboflow.com/workflows/guides/hello-world/09-see-visual.webp)

## तैनात करें

अंत में, हम स्क्रीन के शीर्ष पर स्थित "Deploy" बटन के माध्यम से उपलब्ध client code snippet का उपयोग करके इस Workflow को किसी बड़े application के हिस्से के रूप में उपयोग कर सकते हैं।

![तैनात करें](https://media.roboflow.com/workflows/guides/hello-world/10-deploy.webp)

## अगले कदम

अब जब हमने एक सरल Workflow बनाया है और सत्यापित कर लिया है कि हम अपने Inference Server पर मॉडल्स से जुड़कर उन्हें चला सकते हैं, तो हम अधिक जटिल और शक्तिशाली Workflows बनाना शुरू कर सकते हैं, जैसे [दो मॉडलों के आउटपुट की तुलना करना](/workflows/hi/tutorials-1/compare-models.md).