> 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

当社は、モデルとワークフローの両方について、マネージドデプロイメントとセルフホスト型デプロイメントの両方をサポートしています。学習済みモデルは、その [モデルID](https://docs.roboflow.com/models/model-ids) を使って、デプロイまたは推論を実行します。

## マネージドデプロイメント

これらのオプションは、Roboflowのクラウドインフラを活用してモデルとワークフローを実行するため、自社でハードウェアやソフトウェアを管理する必要がありません。

<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>サーバーレスクラウドAPI</strong></td><td>すぐに始められ、自動的にスケールします。</td><td><a href="/files/5172de310ade23b3b2f8bfa83067c14c2988e2c5">/files/5172de310ade23b3b2f8bfa83067c14c2988e2c5</a></td><td><a href="/pages/8e7d6fea6dfb1853192d7e4aa09be4c8a39fd67c">/pages/8e7d6fea6dfb1853192d7e4aa09be4c8a39fd67c</a></td></tr><tr><td><strong>専用デプロイメント</strong></td><td>大規模モデルや予測可能なワークロード向け。</td><td><a href="/files/0768e6cd20242e74d00ac03eba400a088dfa3c88">/files/0768e6cd20242e74d00ac03eba400a088dfa3c88</a></td><td><a href="/pages/43fe3bc73b0e660a959fe09da9f4e2bd26e984d7">/pages/43fe3bc73b0e660a959fe09da9f4e2bd26e984d7</a></td></tr><tr><td><strong>バッチ処理</strong></td><td>保存済みデータを低コストで処理します。</td><td><a href="/files/06aafb04cb2fd146389c7c9f0c1a96b022ca0c4b">/files/06aafb04cb2fd146389c7c9f0c1a96b022ca0c4b</a></td><td><a href="/pages/77ade214a94f6b92f87f6a5d1dd41977be52cc24">/pages/77ade214a94f6b92f87f6a5d1dd41977be52cc24</a></td></tr></tbody></table>

## セルフホスト型デプロイメント

自分で管理するインフラ上で推論を実行します。まずはランタイムから始め、デバイス群を管理する必要がある場合はDeployment Managerを追加します。

<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</strong></td><td>Inference Server、Inference Library、または別のSDKを選択してください。</td><td><a href="/files/433c89483909bad625b673243d08b8260d55b56c">/files/433c89483909bad625b673243d08b8260d55b56c</a></td><td><a href="/pages/38a82e950c94deae677dec1a6d56434c36681970">/pages/38a82e950c94deae677dec1a6d56434c36681970</a></td></tr><tr><td><strong>デバイス群を管理</strong></td><td>デバイス全体にわたってInferenceをデプロイ、更新、監視します。</td><td><a href="/files/d04d1ba36724e8e00f8934b68d1f9fbd1b030d66">/files/d04d1ba36724e8e00f8934b68d1f9fbd1b030d66</a></td><td><a href="/pages/f6e73e09534c5a76cbc95f4f2275bd5bcb6865eb">/pages/f6e73e09534c5a76cbc95f4f2275bd5bcb6865eb</a></td></tr></tbody></table>

{% hint style="info" %}
Deployment ManagerはEnterpriseプランで利用できます。どちらのオプションも、自分で管理するインフラ上で実行されます。
{% endhint %}

<details>

<summary>Inferenceとは何ですか？</summary>

{% hint style="info" %}
コンピュータビジョンでは、推論とは、学習済みモデルを使って新しい画像や動画を解析し、予測を行うプロセスを指します。たとえば、物体検出モデルは動画ストリーム内の物体を識別して位置を特定するために使われ、分類モデルは内容に基づいて画像を分類するために使われることがあります。
{% endhint %}

[***Roboflow Inference***](/deployment/ja/serufuhosuto/self-hosted.md) は、コンピュータビジョンモデルと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メントサービスの大半を支えるエンジンでもあります。セルフホストすることも、これを使ってビジョンワークフローをエッジデバイスにデプロイ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あります：

* 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。数百のビルディングブロックから選択し、さまざまなモデル、あらかじめ用意されたロジック、外部アプリケーションを組み合わせることで、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のようなエッジデバイスを含むさまざまなデバイスで最適化されたパフォーマンスを実現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使用するための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ための動画デコード。
* 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メントオプションおよびRoboflowプラットフォームとの統合。

</details>

<details>

<summary>Workflowとは何ですか？</summary>

[Workflows](https://docs.roboflow.com/workflows) は、さまざまなモデル、あらかじめ用意されたロジック、外部アプリケーションを組み合わせることで、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るようにします。高度なコンピュータビジョンパイプラインを設計・デプロイするための、視覚的でローコードな環境を提供します。

Workflowsを使うと、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。
* アプリケーションにカスタムロジックや意思決定を追加する。
* 外部システムやAPIと統合する。
* 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>

## 適切なデプロイメントオプションの選択

最適なデプロイメントオプションは、ワークロードがリアルタイムかバルクか、どの程度のレイテンシーを許容できるか、データがどこにあるか、どれだけのインフラを管理したいかによって決まります。 [デプロイメントオプションの選択](/deployment/ja/choosing-a-deployment.md) ですべてのオプションを並べて比較し、選択の助けになる簡単な निर्णयフローをご覧ください。

## 本番運用へ

リリースする前に、 [本番運用準備チェックリスト](/deployment/ja/production-checklist.md) を確認して、エラーハンドリング、再試行、タイムアウト、レート制限、スケーリングの指針を把握してください。