専用デプロイ

Roboflow でビジョンモデルを専用サーバー上で実行する

概要

Dedicated Deployments は、Roboflow が管理するプライベートクラウドサーバーで、あなた専用に割り当てられたリソース上でコンピュータビジョンモデルと Workflows を実行します。これにより、自前のインフラを構築・維持することなく推論を提供でき、時間単位の課金とワークスペース API キーによる安全なアクセスが利用できます。開発、テスト、または本番トラフィックに対して、一貫した専用のパフォーマンスが必要なときに使用してください。

Dedicated Deployments とは何ですか？

Dedicated Deployments は、Roboflow が管理するプライベートクラウドサーバーで、コンピュータビジョンモデルの実行のために特別に設計されています。これらの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

• Roboflow で学習した場合の CLIP のような基盤モデル

• Roboflow Workflows（ローコードのビジョンアプリケーション）

• ...ほかにも多数あります！

Dedicated Deployments の利点

• 機械視覚のビジネス上の課題に集中し、インフラは私たちにお任せください。 数回クリックするだけで推論提供用のインフラ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対策、TLS 証明書の管理、サーバー管理、パッチ適用、更新などを心配する必要はありません。

• 専用リソース: あなた専用に割り当てられたクラウドサーバーを利用し、モデルの安定したパフォーマンスを保証します。

• 安全なアクセス: Dedicated Deployments にはワークスペース固有の API キーでアクセスでき、通信には HTTPS を使用します。

• 簡単な統合: 各デプロイには roboflow.cloud内のサブドメインが割り当てられ、アプリケーションとの統合が簡単になります。

• 時間単位課金: サーバーが存在す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：Dedicated Deployments は、設定可能な非アクティブ期間の後に自動的に一時停止されます。 dev-cpu または dev-gpu デプロイタイプの場合、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ることで、すぐに再開できます。この機能はコスト削減のために設計されています。

現在の制限事項

• すべての Dedicated Deployments は現在、米国ベースのデータセンターでホストされています。その他の地域のユーザーは、より高い遅延を感じる場合があります。米国外にいる場合は、カスタムソリューションについてご連絡ください。ネットワーク遅延の低減をお手伝いできます。

• Dedicated Deployments は Core および Enterprise プランのワークスペースで利用できます。 Roboflow のプラン.

Dedicated Deployments の種類

Roboflow では、dev-cpu、dev-gpu、prod-cpu、prod-gpu の4種類の Dedicated Deployments を提供しています。dev-cpu と dev-gpu は開発・テスト用途向けで、数時間後に自動削除されます。一方、prod-cpu と prod-gpu は永続的で、大規模な本番トラフィックの提供に最適です。

型	機能
dev-cpu	一時的：3時間後に自動削除されます CPU：モデル推論は CPU 上で実行できます 最適な用途 統合のテスト および プロトタイピング アプリケーション
dev-gpu	一時的：3時間後に自動削除されます 統合のテストに最適 および プロトタイピング アプリケーション GPU：モデルには GPU アクセラレーションが必要です（Florence 2 など） 最適な用途 統合のテスト および プロトタイピング アプリケーション
prod-cpu	永続的：専用サブドメイン <some-name>.roboflow.cloud CPU：モデル推論は CPU 上で実行できます 最適な用途 本番トラフィックの提供
prod-gpu	永続的：専用サブドメイン <some-name>.roboflow.cloud GPU：モデルには GPU アクセラレーションが必要です（Florence 2 など） 最適な用途 本番トラフィックの提供

請求情報

GPU デプロイ（dev-gpu、prod-gpu）の料金は 1 credit/hourで、CPU デプロイ（dev-cpu、prod-cpu）の料金は 0.25 credit/hour.

専用デプロイサーバーへのリクエスト数に基づいて請求されることを希望する場合は、 こちらをクリックして営業にお問い合わせください.

すべての専用デプロイサーバーは Roboflow Inferenceを実行します。これはオープンソースの推論サーバーです。 Roboflow Inference のドキュメント を参照して、利用可能なすべての機能の詳細をご確認ください。

便利なリンク

• 専用デプロイの作成方法（Roboflow アプリ）

• 専用デプロイの作成方法（Roboflow CLI）

• 専用デプロイの使い方

• HTTP API

HTTP API

Dedicated Deployment は、予測可能な遅延と高スループットで Roboflow モデルを実行する管理対象の GPU マシンです。これらは、 https://roboflow.cloudにある専用サービスによって管理され、メインの https://api.roboflow.com REST API

とは別です。このセクションでは管理エンドポイント（作成、取得、一覧、一時停止、再開、削除、ログ、使用状況）を説明します。デプロイが稼働した後の推論については、 画像でモデルを実行する.

の下にある「エッジデバイス」のドキュメントは別製品です。Dedicated Deployments は Roboflow のクラウド上の管理対象 GPU マシンであり、Deployment Manager デバイスは デプロイメント マネージャー を実行するオンプレミスのハードウェアです。 Roboflow Inference.

ベース URL: https://roboflow.cloud

api_key はクエリパラメータとして（または POST エンドポイントではリクエスト本文内に）毎回送信されます。レスポンスコードを確認してください。もし 200なら、レスポンス本文を JSON オブジェクトとしてデコードします。それ以外の場合、レスポンス本文にはエラーメッセージが文字列として含まれます。

マシンタイプを一覧表示

GET /machine_types

curl "https://roboflow.cloud/machine_types?api_key=$ROBOFLOW_API_KEY"

レスポンス

{
  "machine_types": [
    { "name": "gpu-small",  "description": "1× T4, 4 vCPU, 16 GB RAM" },
    { "name": "gpu-medium", "description": "1× L4, 8 vCPU, 32 GB RAM" }
  ]
}

デプロイを作成

POST /add

本文 （JSON）

名前	型	説明	必須
api_key	文字列	ワークスペース API キー。
creator_email	文字列	ワークスペースメンバーのメールアドレス。
deployment_name	文字列	ワークスペース内で一意の名前。
machine_type	文字列	From /machine_types.
duration	float	自動クリーンアップまでの時間。デフォルト 3.
delete_on_expiration	boolean	true 期限切れ時に削除するには false 一時停止するには。
inference_version	文字列	推論サーバーのバージョン。デフォルト latest.
min_replicas	integer	最小レプリカ数。デフォルト 1.
max_replicas	integer	最大レプリカ数。デフォルト 1.

curl -X POST "https://roboflow.cloud/add" \\
  -H "Content-Type: application/json" \\
  -d '{
    "api_key": "'$ROBOFLOW_API_KEY'",
    "creator_email": "[e-mail]",
    "deployment_name": "my-deployment",
    "machine_type": "gpu-small",
    "duration": 8,
    "delete_on_expiration": true
  }'

デプロイは非同期でプロビジョニングされます。 GET /get をポーリングしてください status == "ready".

レスポンス例

{
	"deployment_id": "IwzJ5YLQ0iDhwzqoh3Ae",
	"deployment_name": "dev-testing",
	"machine_type": "dev-gpu",
	"creator_email": YOUR_EMAIL_ADDRESS,
	"creator_id": YOUR_USER_ID,
	"subdomain": "dev-testing",
	"domain": "dev-testing.roboflow.cloud",
	"duration": 3.0,
	"inference_version": "0.45.0",
	"max_replicas": 1,
	"min_replicas": 1,
	"num_replicas": 0,
	"status": "pending",
	"workspace_id": YOUR_WORKSPACE_ID,
	"workspace_url": YOUR_WORKSPACE_URL
}

レスポンススキーマ

フィールド	型	説明
deployment_id	文字列	デプロイの一意識別子。
deployment_name	文字列	デプロイに付けた名前。
machine_type	文字列	のいずれか dev-cpu, dev-gpu, prod-cpu, prod-gpu.
creator_email	文字列	デプロイを作成したユーザーのメールアドレス。
creator_id	文字列	に対応するユーザー ID creator_email.
subdomain	文字列	常に deployment_name と同じとは限りません。サブドメインが使用中の場合は接尾辞が追加されます。
domain	文字列	デプロイエンドポイントの完全なドメイン。
duration	float	デプロイが稼働していた時間数。
inference_version	文字列	デプロイ上で動作している推論サーバーのバージョン。
min_replicas	integer	最小レプリカ数。
max_replicas	integer	最大レプリカ数。
num_replicas	integer	現在利用可能なレプリカ数。
状態	文字列	現在のデプロイ状態。
workspace_id	文字列	所有ワークスペースの ID。
workspace_url	文字列	所有ワークスペースの URL スラッグ。

デプロイを取得

GET /get?api_key=...&deployment_name=...

クエリパラメータ

名前	型	必須	説明
api_key	文字列	はい	ワークスペース API キー。
deployment_name	文字列	はい	取得するデプロイの名前。

curl "https://roboflow.cloud/get?api_key=$ROBOFLOW_API_KEY&deployment_name=my-deployment"

レスポンス （ デプロイを作成 レスポンスと同じスキーマ）

{
  "deployment_name": "my-deployment",
  "status": "ready",
  "machine_type": "gpu-small",
  "public_url": "https://my-deployment.roboflow.cloud",
  "created_at": "2026-05-01T17:05:33.000Z",
  "expires_at": "2026-05-02T01:05:33.000Z"
}

デプロイを一覧表示

GET /list?api_key=...

クエリパラメータ

名前	型	必須	説明
api_key	文字列	はい	ワークスペース API キー。
show_expired	文字列	いいえ	期限切れのデプロイを含める。デフォルト false.
show_deleted	文字列	いいえ	削除済みのデプロイを含める。デフォルト false.

curl "https://roboflow.cloud/list?api_key=$ROBOFLOW_API_KEY"

レスポンス

各エントリが デプロイを作成 レスポンスと同じスキーマを持つ、専用デプロイ項目のリスト。

[
{
	"deployment_id": "IwzJ5YLQ0iDhwzqoh3Ae",
	"deployment_name": "dev-testing",
	"machine_type": "dev-gpu",
	"creator_email": YOUR_EMAIL_ADDRESS,
	"creator_id": YOUR_USER_ID,
	"subdomain": "dev-testing",
	"domain": "dev-testing.roboflow.cloud",
	"duration": 3.0,
	"inference_version": "0.45.0",
	"max_replicas": 1,
	"min_replicas": 1,
	"num_replicas": 0,
	"status": "pending",
	"workspace_id": YOUR_WORKSPACE_ID,
	"workspace_url": YOUR_WORKSPACE_URL
}
]

ログ

GET /get_log?api_key=...&deployment_name=...&from_timestamp=...&to_timestamp=...&max_entries=...

クエリパラメータ

名前	型	必須	説明
api_key	文字列	はい	ワークスペース API キー。
deployment_name	文字列	はい	ログを読み取るデプロイ。
max_entries	integer	いいえ	返すログエントリ数。デフォルト 50.
from_timestamp	文字列	いいえ	ISO 8601 開始時刻。デフォルトは1時間前。
to_timestamp	文字列	いいえ	ISO 8601 終了時刻。デフォルトは現在時刻。

curl "https://roboflow.cloud/get_log?api_key=$ROBOFLOW_API_KEY&deployment_name=my-deployment&max_entries=200"

from_timestamp および to_timestamp は ISO-8601 形式の文字列です。指定を省略すると、最新のログを max_entries.

レスポンス例

[
	{
		"insert_id": "gpwrgrw55p7b9jdq",
		"payload": "INFO:     10.18.0.38:46296 - \"GET /info HTTP/1.1\" 200 OK",
		"severity": "INFO",
		"timestamp": "2025-01-22T13:23:14.209436+00:00"
	},
	{
		"insert_id": "mbieh16zdjvqp81j",
		"payload": "INFO:     10.18.0.38:46294 - \"GET /info HTTP/1.1\" 200 OK",
		"severity": "INFO",
		"timestamp": "2025-01-22T13:23:14.208738+00:00"
	}
]

レスポンススキーマ

各ログエントリには次の属性があります。

フィールド	型	説明
insert_id	文字列	ログエントリの一意識別子。
payload	文字列	ログ内容。
severity	文字列	ログレベル。
timestamp	文字列	エントリが書き込まれた時刻。

使用状況

ワークスペース全体:

GET /usage_workspace?api_key=...&from_timestamp=...&to_timestamp=...

デプロイごと:

GET /usage_deployment?api_key=...&deployment_name=...&from_timestamp=...&to_timestamp=...

curl "https://roboflow.cloud/usage_workspace?api_key=$ROBOFLOW_API_KEY&from_timestamp=2026-04-01T00:00:00Z&to_timestamp=2026-05-01T00:00:00Z"

一時停止 / 再開 / 削除

POST /pause POST /resume POST /delete

本文 （JSON）

名前	型	必須	説明
api_key	文字列	はい	ワークスペース API キー。
deployment_name	文字列	はい	操作対象のデプロイ。

curl -X POST "https://roboflow.cloud/pause" \\
  -H "Content-Type: application/json" \\
  -d '{"api_key": "'$ROBOFLOW_API_KEY'", "deployment_name": "my-deployment"}'

同じ本文形式が /resume および /delete.

レスポンス例

{
	"message": "OK"
}

Python SDK

Dedicated Deployment は、予測可能な遅延と高スループットで Roboflow モデルを実行する管理対象の GPU マシンです。SDK は roboflow.adapters.deploymentapi アダプターを通じてそれらを管理します - 高レベルの Workspace クラスは現在、デプロイメソッドを公開していません。

各関数は （status_code, body） タプルを返すので、HTTP 結果で分岐できます。

from roboflow.adapters import deploymentapi

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

それ以外の場合：
    print("失敗:", body)

利用可能なマシンタイプを一覧表示

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"))

デプロイを作成

status, body = deploymentapi.add_deployment(
    api_key="YOUR_API_KEY",
    creator_email="[e-mail]",          # ワークスペースメンバーである必要があります
    machine_type="gpu-small",
    duration=8,                                # 時間
    delete_on_expiration=True,
    deployment_name="my-deployment",
    inference_version=None,                    # None → 最新
)

デプロイは非同期でプロビジョニングされます。 get_deployment をポーリングしてください status == "ready".

デプロイの詳細を取得

status, body = deploymentapi.get_deployment("YOUR_API_KEY", "my-deployment")
print(body["status"], body.get("public_url"))

一時停止 / 再開 / 削除

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

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.get("logs", []):
    print(entry["timestamp"], entry["message"])

使用状況

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),
)

専用デプロイに対する推論の実行

デプロイの準備ができたら、推論 SDK の呼び出し先をその public_url （ get_deployment):

from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(api_url=body["public_url"], api_key="YOUR_API_KEY")
result = client.infer("photo.jpg", model_id="my-detector/3")

CLI

コマンドラインから Dedicated Deployment を作成、監視、管理できます。

デプロイを一覧表示

roboflow deployment list

マシンタイプを一覧表示

roboflow deployment machine-type

デプロイを作成

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）。次を実行して deployment machine-type オプションを確認してください
-e, --email	あなたのメールアドレス。ワークスペースメンバーである必要があります（必須）
--duration	継続時間（時間）（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	期限切れ時にデプロイを保持する
--wait	デプロイの準備が整うまで待機する

例:

roboflow deployment create my-deployment -m gpu-small -e [e-mail] --duration 8

デプロイ詳細を取得

roboflow deployment get <name>

保留中のデプロイが準備完了になるのを待つ:

roboflow deployment get my-deployment --wait

ログを表示

roboflow deployment log <name>

リアルタイムでログを追跡する:

roboflow deployment log my-deployment -f

オプション

フラグ	説明
-d, --duration	ログ期間（秒）（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

使用状況統計

ワークスペース全体の使用状況を取得:

roboflow デプロイメントの使用方法

特定のデプロイメントの使用状況を取得するには:

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

roboflow deployment pause my-deployment
roboflow deployment resume my-deployment
roboflow deployment delete my-deployment

JSON出力

すべてのデプロイメントコマンドは対応しています --json:

roboflow deployment list --json
roboflow deployment get my-deployment --json