> 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/hello-world.md).

# हैलो वर्ल्ड

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

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

## पूर्वापेक्षाएँ

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

आप प्लेटफ़ॉर्म UI के ऊपर बाईं ओर मौजूद "Running on" सेलेक्टर पर क्लिक करके और उसे इंगित करके क्लाउड प्लेटफ़ॉर्म से स्थानीय रूप से चल रहे Inference Server से भी कनेक्ट कर सकते हैं `लोकलहोस्ट` या अपने सर्वर के IP पर।

एक बार आपके पास खाता हो जाए, [एक नया (खाली) Workflow 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 मैनेजमेंट प्लेटफ़ॉर्म के साथ इंटीग्रेशन जैसी क्लाउड-संयुक्त सुविधाओं का उपयोग नहीं करते, और अपनी स्वयं की एक्सेस कंट्रोल लागू करने की ज़िम्मेदारी आपकी होती है।

Roboflow खाते के बिना अपने स्वयं के मशीन पर चलाने के लिए, [self-hosted स्थापना निर्देशों](https://docs.roboflow.com/deployment/self-hosted/self-hosted) का पालन करें और अपने Inference Server को development mode में शुरू करें (उपयोग करके `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 मिले, 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 Block 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 का उपयोग कर सकते हैं (जो Microsoft COCO dataset में मौजूद सामान्य वस्तुओं की 80 classes पर प्रशिक्षित है)। या, यदि आपने अपना Roboflow खाता लिंक किया है, तो आपके कोई भी fine-tuned models या साझा किए गए 100,000+ community-trained models 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 बार आपने मॉडल जोड़ लिया, तो आप इसे किसी image या video पर टेस्ट 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 की भविष्यवाणियों का JSON प्रतिनिधित्व शामिल करता है।

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

## एक visualization जोड़ें

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

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

इसके बाद, सुविधा के लिए हम आउटपुट्स के क्रम को बदलकर visualization को पहले (JSON के ऊपर) दिखाएँगे। "Outputs" block पर क्लिक करें, फिर अपने चुने गए visualization के लिए "Move Up" बटन पर क्लिक करें।

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

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

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

हम image का बड़ा संस्करण देखने के लिए thumbnail (या "Visual" output toggle) पर भी क्लिक कर सकते हैं।

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

## डिप्लॉय

अंत में, हम स्क्रीन के ऊपर मौजूद "Deploy" बटन के माध्यम से उपलब्ध client code snippet का उपयोग करके इस Workflow को एक बड़े application के हिस्से के रूप में इस्तेमाल कर सकते हैं।

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

## अगले चरण

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