> 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/roboflow-cloud/dedicated-deployments.md).

# Dedicated Deployments

Roboflow で専用サーバー上にビジョンモデルを実行

## 概要

専用デプロイメントは、Roboflow が管理するプライベートクラウドサーバーです。お客様専用に割り当てられたリソース上で、コンピュータービジョンモデルや Workflows を実行します。インフラストラクチャを自分で用意・維持することなく推論を提供でき、時間単位の従量課金と、ワークスペースの API キーによる安全なアクセスが可能です。開発、テスト、本番トラフィックに対して、安定した専用のパフォーマンスが必要な場合にご利用ください。

### **専用デプロイメントとは？**

専用デプロイメントは、Roboflow が管理する、お客様のコンピュータービジョンモデルの実行に特化したプライベートクラウドサーバーです。対象となるモデルには、次のようなものがあります。

* 物体検出
* 画像セグメンテーション
* 分類
* キーポイント検出
* CLIP などの基盤モデル（Roboflow でトレーニングした場合）
* Roboflow Workflows（ローコードのビジョンアプリケーション）
* など、ほかにも多数あります。

### **専用デプロイメントのメリット**

* **インフラストラクチャはお任せいただき、マシンビジョンのビジネス課題に集中できます。** 数回クリックするだけで推論サービング用のインフラストラクチャを立ち上げられます。クラウドプロバイダーへの登録、サーバーのインストールやセキュリティ設定、TLS 証明書の管理、サーバーの管理・パッチ適用・更新などを行う必要はありません。
* **専用リソース：** お客様専用に割り当てられたクラウドサーバーを利用できるため、モデルの安定したパフォーマンスが確保されます。
* **安全なアクセス：** 専用デプロイメントには、ワークスペース固有の API キーでアクセスでき、安全な通信には HTTPS を使用します。
* **簡単な統合：** 各デプロイメントには、次のドメイン内にサブドメインが割り当てられます： `roboflow.cloud`。アプリケーションとの統合が簡単になります。
* **時間単位の従量課金：** サーバーが稼働している時間分のみ課金されます（1 分単位で請求）。
* **自動一時停止と再開**：専用デプロイメントは、設定した期間にわたって使用されないと、自動的に一時停止します。 `dev-cpu` または `dev-gpu` のデプロイメントタイプでは、この期間は 1 時間に固定されています。API キーを使ってリクエストを送信すれば、すぐに再開できます。この機能はコストの削減に役立ちます。

### API キー

専用デプロイメントは、作成時に使用したワークスペースの API キーで実行されます。そのキーをローテーションすると、Roboflow はデプロイメントを新しいキーに移行し、実行を継続します。移行に失敗した場合は、デプロイメントへのトラフィック提供を継続できるよう、古いキーが有効なままになります。その後、再度ローテーションを試すことができます。

専用デプロイメントで使用中のキーが無効になっている場合、またはそのキーの [課金フォルダー](https://docs.roboflow.com/platform/billing-and-plans/billing-folders) が一時停止されている場合、そのキーをローテーションすることはできません。キーを有効にするか、フォルダーを再開してからローテーションしてください。

### 推論バージョン

各デプロイメントは、 [Roboflow Inference](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md)のバージョンを実行します。変更するには、プロビジョニング完了後にデプロイメントの設定を開き、「推論バージョン」でオプションを選択します。

* 「最新（自動アップグレード）」：各 Inference リリースから 7 日以内、および再起動のたびにデプロイメントがアップグレードされます。
* バージョン番号：変更するまで、デプロイメントはそのバージョンを使い続けます。

バージョンを変更すると、実行中のレプリカが再起動します。CUDA 13 のデプロイメントでは、バージョン番号を指定する必要があります。デプロイメント作成時にバージョンを選択する方法については、 [専用デプロイメントの作成](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/create-a-dedicated-deployment.md).

### 環境変数

デプロイメントに、いくつかの [推論サーバーの環境変数](https://docs.roboflow.com/deployment/ja/self-hosted/inference-server/configuration/environment-variables.md) を設定できます（例： `MAX_CONCURRENT_INFERENCE_REQUESTS`, `CONCURRENT_INFERENCE_REQUESTS_QUEUE_TIMEOUT`）。デプロイメント作成時に「環境変数」で設定するか、プロビジョニング完了後に設定画面で設定してください。デフォルト値を使用するには、フィールドを空欄のままにします。新しい値を保存すると実行中のレプリカが再起動し、一時停止中のデプロイメントでは再開時に新しい値が適用されます。

### 通知の停止

Dedicated Deploymentがサービスの提供を停止すると、RoboflowはWorkspace Adminとデプロイメントの作成者にメールを送信します。ただし、非アクティブによる一時停止、期限切れ、削除の場合は除きます。 [スタートアップスクリプト](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/startup-scripts.md)を利用できるWorkspaceでは、デプロイメントの作成時または編集時に「Deployment Alert Recipients」を設定してください。選択したメンバーだけがアラートを受信し、リストが空の場合は作成者に送信されます。受信者は引き続きWorkspaceのメンバーである必要があります。

### **現在の制限事項**

* 現在、すべてのDedicated Deploymentは米国にあるデータセンターでホストされています。そのため、他の地域のユーザーはレイテンシが高くなる場合があります。米国外にお住まいの場合は、ネットワークレイテンシの軽減をお手伝いできますので、カスタマイズされたソリューションについてお問い合わせください。
* Dedicated Deploymentは、CoreおよびEnterpriseプランのWorkspaceでご利用いただけます。詳しくは [Roboflowのプラン](https://roboflow.com/pricing).

### Dedicated Deploymentの種類

Roboflowでは、dev-cpu、dev-gpu、prod-cpu、prod-gpuの4種類のDedicated Deploymentを提供しています。dev-cpuとdev-gpuは開発およびテスト向けに設計されており、数時間後に自動的に削除されます。一方、prod-cpuとprod-gpuは永続的に使用でき、大規模な本番トラフィックの処理に適しています。

<table data-search="false"><thead><tr><th width="184">種類</th><th>機能</th></tr></thead><tbody><tr><td>dev-cpu</td><td><p><strong>一時的</strong>：3時間後に自動的に削除されます</p><p><strong>CPU</strong>：CPUでモデル推論を実行できます</p><p>最適な用途： <strong>インテグレーションのテスト</strong> および <strong>プロトタイピング</strong> アプリケーション</p></td></tr><tr><td>dev-gpu</td><td><p><strong>一時的</strong>：3時間後に自動的に削除されます</p><p><strong>インテグレーションのテストに最適</strong> および <strong>プロトタイピング</strong> アプリケーション</p><p><strong>GPU</strong>：Florence 2のように、モデルでGPUアクセラレーションが必要です</p><p>最適な用途： <strong>インテグレーションのテスト</strong> および <strong>プロトタイピング</strong> アプリケーション</p></td></tr><tr><td>prod-cpu</td><td><p><strong>永続的</strong>：専用サブドメイン <code>&#x3C;some-name>.roboflow.cloud</code></p><p><strong>CPU</strong>：CPUでモデル推論を実行できます</p><p>最適な用途： <strong>本番トラフィックの処理</strong></p></td></tr><tr><td>prod-gpu</td><td><p><strong>永続的</strong>：専用サブドメイン <code>&#x3C;some-name>.roboflow.cloud</code></p><p><strong>GPU</strong>：Florence 2のように、モデルでGPUアクセラレーションが必要です</p><p>最適な用途： <strong>本番トラフィックの処理</strong></p></td></tr></tbody></table>

### **請求情報**

Dedicated Deploymentは1時間単位で課金され、請求間隔は1分です。GPUデプロイメント（dev-gpu、prod-gpu）は、CPUデプロイメント（dev-cpu、prod-cpu）よりも1時間あたりの料金が高くなります。料金については、 [クレジットページ](https://roboflow.com/credits) をご覧ください。

専用デプロイメントサーバーに送信されたリクエスト数に基づく課金をご希望の場合は、 [こちらをクリックして営業チームにお問い合わせください](https://roboflow.com/sales).

すべての専用デプロイメントサーバーでは、オープンソースの推論サーバーである [Roboflow Inference](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md)が実行されます。利用可能な機能について詳しくは、 [Roboflow Inferenceのドキュメント](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md) をご覧ください。

### 便利なリンク <a href="#provision-and-manage-dedicated-deployments-web-application" id="provision-and-manage-dedicated-deployments-web-application"></a>

* [Dedicated Deploymentの作成方法（Roboflow App）](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/create-a-dedicated-deployment.md)
* [Dedicated Deploymentの作成方法（Roboflow CLI）](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/create-a-dedicated-deployment.md#create-a-dedicated-deployment-with-the-cli)
* [Dedicated Deploymentの使用方法](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/make-requests-to-a-dedicated-deployment.md)
* [HTTP API](#http-api)

## HTTP API

Dedicated Deployments は、独自のサービスで管理されます。サービスの URL は `https://roboflow.cloud`です。Platform API（ `https://api.roboflow.com`）で管理するものではありません。これらのエンドポイントを使って、デプロイメントの作成、詳細の確認、一時停止、再開、削除を行い、ログと使用状況を取得できます。準備ができたデプロイメントでモデルを実行する方法については、次を参照してください。 [Dedicated Deployment にリクエストを送信する](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/make-requests-to-a-dedicated-deployment.md).

{% hint style="info" %}
[Deployment Manager](https://docs.roboflow.com/deployment/ja/self-hosted/enterprise/deployment-manager.md#http-api) は別の製品です。Dedicated Deployments は Roboflow のクラウド上にあるサーバーです。Deployment Manager のデバイスは、 [Roboflow Inference](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md).
{% endhint %}

GET リクエストでは、ワークスペースの API キーを `api_key` クエリパラメーターに指定します。POST リクエストでは、JSON 本文の `api_key` フィールドに指定します。 `200` レスポンスの本文は JSON 形式です。それ以外のステータスではエラーメッセージが返され、通常はプレーンテキストです。そのため、本文を解析する前にステータスを確認してください。

### マシンタイプの一覧を取得する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/machine\_types" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントを作成する

デプロイメントはバックグラウンドで起動するため、レスポンスでは `status` が `pending`に設定されています。 [デプロイメントの詳細を取得する](#get-a-deployment) を 30 秒ごとに呼び出し、 `status` が `ready`になったら、その `domain`.

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/add" method="post" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### にリクエストを送信します。

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/get" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントの一覧を取得する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/list" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントのログを取得する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/get\_log" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### ワークスペースの使用状況を取得する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/usage\_workspace" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントの使用状況を取得する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/usage\_deployment" method="get" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントを一時停止する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/pause" method="post" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントを再開する

一時停止中のデプロイメントは、API キーを使ったリクエストを受け取った場合にも再開します。 [起動スクリプトの失敗](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/startup-scripts.md#failures) 後に一時停止したデプロイメントは、このエンドポイントまたはウェブアプリからのみ再開できます。

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/resume" method="post" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### デプロイメントを削除する

{% openapi src="/files/12f47ac52fcb4d41b093da555d4dcfe801f7af8d" path="/delete" method="post" %}
[dedicated-deployments.yaml](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-486a5780b2b1a819266e063e8747371b4d46a4d3%2Fdedicated-deployments.yaml?alt=media)
{% endopenapi %}

### 起動スクリプトを更新する

既存のデプロイメントの起動スクリプトを変更する方法については、 [起動スクリプト](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments/startup-scripts.md#http-api).

## Python SDK

[Dedicated Deployments](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md) は、Roboflow のモデルを予測可能なレイテンシーと高いスループットで実行する、管理対象の GPU マシンです。SDK では、 `roboflow.adapters.deploymentapi` アダプターを通じて管理します。高レベルの `Workspace` クラスは、現在デプロイメント用のメソッドを提供していません。

各関数は `(status_code, body)` HTTP の結果に応じて分岐できるタプルです。

```python
from roboflow.adapters import deploymentapi

status, body = deploymentapi.list_deployment("YOUR_API_KEY")
if status == 200:
    for d in body:
        print(d["deployment_name"], d["status"])
else:
    print("Failed:", body)
```

### 利用可能なマシンタイプを一覧表示する

```python
from roboflow.adapters import deploymentapi

status, body = deploymentapi.list_machine_types("YOUR_API_KEY")
for m in body.get("machine_types", []):
    print(m["name"], m.get("description"))
```

### デプロイメントを作成する

```python
status, body = deploymentapi.add_deployment(
    api_key="YOUR_API_KEY",
    creator_email="me@company.com",          # ワークスペースのメンバーである必要があります
    machine_type="dev-gpu",
    duration=8,                                # 時間
    delete_on_expiration=True,
    deployment_name="my-deployment",
    inference_version=None,                    # None → 最新
)
```

デプロイメントは非同期でプロビジョニングされます。 `get_deployment` をポーリングして `status == "ready"`.

### デプロイメントの詳細を取得する

```python
status, body = deploymentapi.get_deployment("YOUR_API_KEY", "my-deployment")
print(body["status"], body["domain"])
```

### 一時停止 / 再開 / 削除

```python
deploymentapi.pause_deployment("YOUR_API_KEY", "my-deployment")
deploymentapi.resume_deployment("YOUR_API_KEY", "my-deployment")
deploymentapi.delete_deployment("YOUR_API_KEY", "my-deployment")
```

### ログ

```python
import datetime as dt

status, body = deploymentapi.get_deployment_log(
    api_key="YOUR_API_KEY",
    deployment_name="my-deployment",
    from_timestamp=dt.datetime.utcnow() - dt.timedelta(hours=1),
    to_timestamp=dt.datetime.utcnow(),
    max_entries=200,
)
for entry in body:
    print(entry["timestamp"], entry["payload"])
```

### 使用状況

```python
status, ws_usage = deploymentapi.get_workspace_usage(
    api_key="YOUR_API_KEY",
    from_timestamp=dt.datetime(2026, 4, 1),
    to_timestamp=dt.datetime(2026, 5, 1),
)

status, dep_usage = deploymentapi.get_deployment_usage(
    api_key="YOUR_API_KEY",
    deployment_name="my-deployment",
    from_timestamp=dt.datetime(2026, 4, 1),
    to_timestamp=dt.datetime(2026, 5, 1),
)
```

### 専用デプロイメントに対して推論を実行する

デプロイメントの準備が完了したら、推論 SDK の呼び出し先をその `domain` （ `get_deployment`):

```python
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

client = InferenceHTTPClient(
    api_url=f"https://{body['domain']}", api_key="YOUR_API_KEY"
).configure(InferenceConfiguration(api_key_transport="header"))
result = client.infer("photo.jpg", model_id="my-detector/3")
```

## CLI

コマンドラインから [専用デプロイメントを](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md) 作成、監視、管理できます。

### デプロイメントの一覧を取得する

```bash
roboflow deployment list
```

### マシンタイプの一覧を取得する

```bash
roboflow deployment machine-type
```

### デプロイメントを作成する

```bash
roboflow deployment create <name> -m <machine-type> -e <email>
```

#### オプション

| フラグ                         | 説明                                                        |
| --------------------------- | --------------------------------------------------------- |
| `-m`, `--machine-type`      | マシンタイプ（必須）。選択肢を確認するには `deployment machine-type` を実行してください |
| `-e`, `--email`             | メールアドレス。ワークスペースのメンバーである必要があります（必須）                        |
| `--duration`                | 期間（時間単位、デフォルト: 3）                                         |
| `--inference-version`       | 推論サーバーのバージョン（デフォルト: latest）                               |
| `--no-delete-on-expiration` | 有効期限が切れてもデプロイメントを保持する                                     |
| `--wait`                    | デプロイメントの準備が完了するまで待機する                                     |

例:

```bash
roboflow deployment create my-deployment -m dev-gpu -e me@company.com --duration 8
```

### デプロイメントの詳細を取得する

```bash
roboflow deployment get <name>
```

保留中のデプロイメントの準備が完了するまで待機する:

```bash
roboflow deployment get my-deployment --wait
```

### ログを表示する

```bash
roboflow deployment log <name>
```

ログをリアルタイムで追跡する:

```bash
roboflow deployment log my-deployment -f
```

#### オプション

| フラグ                | 説明                          |
| ------------------ | --------------------------- |
| `-d`, `--duration` | ログの対象期間（秒単位、デフォルト: 3600）    |
| `-n`, `--tail`     | 末尾から表示する行数（最大 50、デフォルト: 10） |
| `-f`, `--follow`   | ログ出力を追跡する                   |

### 使用統計

ワークスペース全体の使用状況を取得する：

```bash
roboflow deployment usage
```

特定のデプロイの使用状況を取得する：

```bash
roboflow deployment usage my-deployment
```

#### オプション

| フラグ      | 説明             |
| -------- | -------------- |
| `--from` | 開始時刻（ISO 8601） |
| `--to`   | 終了時刻（ISO 8601） |

### 一時停止、再開、削除

```bash
roboflow deployment pause my-deployment
roboflow deployment resume my-deployment
roboflow deployment delete my-deployment
```

### JSON出力

すべてのデプロイコマンドで次のオプションを使用できます： `--json`:

```bash
roboflow deployment list --json
roboflow deployment get my-deployment --json
```
