> 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/deployment/ja/readme.md).

# モデルまたは Workflow をデプロイ

Roboflow 上で学習した、または Roboflow にアップロードした Workflow とモデルをデプロイする方法を学びます。

モデルとWorkflowsは、Roboflowが管理するインフラストラクチャ、または独自のハードウェアにデプロイできます。トレーニング済みモデルをデプロイしたり、推論を実行したりする際は、その [モデルID](https://docs.roboflow.com/models/model-ids) を指定します。

## マネージドデプロイ

これらのデプロイでは、Roboflowがインフラストラクチャを運用します。ライブカメラ映像を継続的に処理する場合は、まず [Cloud Streaming](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md)をご利用ください。リクエストごとの推論にはServerless Cloud APIを、保存済みファイルには [Batch Processing](https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md) をご利用ください。

<table data-view="cards" data-search="false"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">カバー画像</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Serverless Cloud API</strong></td><td>リクエストごとに画像やWorkflowの推論を実行します。</td><td><a href="https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-fd0e398e4756979a38115bb06a4cc42fcc039063%2Fserverless-bg.png?alt=media">serverless-bg.png</a></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md">Serverless Cloud API</a></td></tr><tr><td><strong>専用デプロイ</strong></td><td>大規模モデルや、負荷を予測できるワークロード向けです。</td><td><a href="https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-f98b53fff47372ccaed88f4a9c8f52933b5315e5%2Fbox-bg.png?alt=media">box-bg.png</a></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md">Dedicated Deployments</a></td></tr><tr><td><strong>Cloud Streaming</strong></td><td>ライブカメラのストリームでWorkflowsを実行します。</td><td><a href="https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-82c806e869ffcf5839b696637f03041e838d77a7%2Fcloud-streaming-bg.png?alt=media">cloud-streaming-bg.png</a></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md">クラウドストリーミング</a></td></tr></tbody></table>

## セルフホスト型デプロイ

自分で管理するインフラストラクチャ上で推論を実行します。まずランタイムを導入し、複数のデバイスを管理する必要がある場合はDeployment Managerを追加してください。

<table data-view="cards" data-search="false"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">カバー画像</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>推論を実行する</strong></td><td>Inference Server、Inference Library、または別のSDKを選択します。</td><td><a href="https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-11c8f3586195d8e8fb33bad92ceba68778aae3f6%2Fimg-card-run-inference.svg?alt=media">img-card-run-inference.svg</a></td><td><a href="https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md">Self-Hosted デプロイメント</a></td></tr><tr><td><strong>デバイス群を管理する</strong></td><td>複数のデバイスにわたって推論をデプロイ、更新、監視します。</td><td><a href="https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-0cc1f4e6e48a487e1120624bf07333ec8aeb8bfe%2Fimg-card-manage-fleet.svg?alt=media">img-card-manage-fleet.svg</a></td><td><a href="https://docs.roboflow.com/deployment/ja/self-hosted/enterprise/deployment-manager.md">Deployment Manager</a></td></tr></tbody></table>

{% hint style="info" %}
Deployment ManagerはEnterpriseプランでご利用いただけます。どちらの方法も、自分で管理するインフラストラクチャ上で実行されます。
{% endhint %}

<details>

<summary>推論とは？</summary>

{% hint style="info" %}
コンピュータビジョンにおける推論とは、トレーニング済みモデルを使って新しい画像や動画を分析し、予測を行うプロセスを指します。たとえば、物体検出モデルを使って動画ストリーム内の物体を識別・位置特定したり、分類モデルを使って画像の内容に基づいてカテゴリ分けしたりできます。
{% endhint %}

[***Roboflow Inference***](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md) は、コンピュータビジョンモデルやワークフローをデプロイするための強力で柔軟なフレームワークを提供するオープンソースプロジェクトです。Roboflowのマネージドデプロイサービスの大半を支えるエンジンです。セルフホストしたり、エッジデバイスにビジョンワークフローをデプロイするために利用したりすることもできます。Roboflow Inferenceには、次のようなさまざまな機能が備わっています。

* 物体検出、分類、インスタンスセグメンテーションなど、さまざまなモデルアーキテクチャとタスクをサポートします。
* Workflowsでは、数百種類のビルディングブロックから選んで、さまざまなモデル、事前構築済みのロジック、外部アプリケーションを組み合わせ、コンピュータビジョンアプリケーションを構築できます。
* CPU、GPU、NVIDIA Jetsonなどのエッジデバイスを含む、さまざまなデバイスで性能を最適化するハードウェアアクセラレーション。
* リソースを効率的に利用するマルチプロセッシング。
* 動画ストリームをシームレスに処理する動画デコード。
* デプロイを簡素化するHTTPインターフェース、API、Dockerイメージ。
* Roboflowのホスト型デプロイオプションおよびRoboflowプラットフォームとの連携。

</details>

<details>

<summary>Workflowとは？</summary>

[Workflows](https://docs.roboflow.com/workflows) を使うと、さまざまなモデル、事前構築済みのロジック、外部アプリケーションを組み合わせて、複雑なコンピュータビジョンアプリケーションを構築できます。視覚的なローコード環境で、高度なコンピュータビジョンのパイプラインを設計、デプロイできます。

Workflowsでは、次のことができます。

* 複数のモデルを連携させて、複雑なタスクを実行する。
* カスタムロジックや意思決定処理をアプリケーションに追加する。
* 外部システムやAPIと連携する。
* 画像や動画内の物体を追跡、カウント、時間計測、測定、可視化する。

</details>

## 適切なデプロイ方法の選択

最適なデプロイ方法は、ワークロードがリアルタイム処理か一括処理か、許容できるレイテンシ、データの保存場所、管理したいインフラストラクチャの範囲によって異なります。各方法の比較と、選択に役立つ簡単な判断フローについては、 [デプロイ方法の選択](https://docs.roboflow.com/deployment/ja/choosing-a-deployment.md) をご覧ください。

## 本番環境への移行

リリース前に、エラー処理、再試行、タイムアウト、レート制限、スケーリングに関するガイダンスをまとめた [本番環境対応チェックリスト](https://docs.roboflow.com/deployment/ja/production-checklist.md) を確認してください。
