> 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/serufuhosuto/inference-server/install.md). # Inference Server をインストール Linux、Windows、macOS、NVIDIA Jetson、Raspberry Pi、または独自のクラウド上に、Docker もしくはネイティブデスクトップアプリで Roboflow Inference Server をインストールします。 プラットフォームに合ったインストール方法を選んでください。すべての方法では、サーバーをポートで起動します **9001**. {% tabs %} {% tab title="Docker（推奨）" %} Docker は Inference を実行するための推奨方法です（ [Docker が推奨される理由](/deployment/ja/serufuhosuto/inference-server/architecture.md#why-docker)を参照）。Linux、macOS、Windows、Jetson、その他 Docker 対応デバイスで動作します。 [まず Docker をインストールし](https://docs.docker.com/engine/install/) （加えて [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html) CUDA 対応 GPU をお持ちの場合）、その後、 [Inference CLI](https://docs.roboflow.com/reference/inference/inference-cli): ```bash pip install inference-cli && inference server start ``` これにより、お使いのマシンに最適なコンテナが自動で選択・設定されます。 {% endtab %} {% tab title="Windows（ネイティブアプリ）" %} Docker 不要で、ネイティブのデスクトップアプリを使って Windows 上で Inference Server を実行できます。 1. [最新のインストーラーをダウンロードして](https://github.com/roboflow/inference/releases) 実行します。 2. インストールが完了すると、Inference Server を起動するかどうかが表示されます。 3. サーバーを停止するには、開いたターミナルウィンドウを閉じてください。 4. 後で再度起動するには、 **Roboflow Inference** をスタートメニューで見つけてください。 参照 [Windows にインストール](/deployment/ja/serufuhosuto/inference-server/install/windows.md) 詳しくは、Docker を使う代替手順を参照してください。 {% endtab %} {% tab title="macOS（ネイティブアプリ）" %} Docker 不要で、ネイティブのデスクトップアプリを使って Apple Silicon Mac 上で Inference Server を実行できます。 1. [DMG をダウンロードして](https://github.com/roboflow/inference/releases) 開きます。 2. Roboflow Inference アプリを「アプリケーション」フォルダにドラッグします。 3. アプリケーション内のアプリをダブルクリックして、サーバーを起動します。 参照 [Mac にインストール](/deployment/ja/serufuhosuto/inference-server/install/mac.md) 詳しくは、Docker を使う代替手順と MPS アクセラレーションを参照してください。 {% endtab %} {% endtabs %} ## 要件 Inference はお使いのマシンに合わせて調整され、より高性能なハードウェアほど高速に動作します。最低要件は、64 ビットプロセッサ、4 GB の RAM、20 GB の空きディスク容量です。 [Docker](https://www.docker.com/get-started) は、上記のコンテナ方式で必要です。 | 対象 | ハードウェア | OS | Docker イメージ | | ----------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------- | --------------------------------------------------------------- | | **CPU** | 64 ビット CPU、4 GB RAM、空きディスク 20 GB。重いモデル（例: SAM2）は実用的な速度では動作しない場合があります。 | Linux、macOS、または WSL 2 搭載の Windows 10/11 | `roboflow/roboflow-inference-server-cpu` | | **GPU** | CUDA 対応の NVIDIA GPU と [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html) がインストールされていること。大きなモデルやライブ映像に推奨されます。 | Linux（または WSL 2 搭載の Windows 10/11） | `roboflow/roboflow-inference-server-gpu` | | **NVIDIA Jetson** | Jetson Orin デバイス（Orin NX 16 GB 以上を推奨）で、JetPack 4.5、4.6、5.x、または 6.x が動作していること。イメージ用に約 10 GB の空きディスクを確保してください。 | JetPack / L4T | `roboflow/roboflow-inference-server-jetson-*` （JetPack 固有、自動選択） | 参照 [最小要件](/deployment/ja/serufuhosuto/inference-server/install/minimum-requirements.md) 対応および推奨デバイスの完全な一覧については、 ## デバイス別ガイド デバイスごとの特記事項とパフォーマンスのヒント: * [Linux](/deployment/ja/serufuhosuto/inference-server/install/linux.md) * [Windows](/deployment/ja/serufuhosuto/inference-server/install/windows.md) * [Mac](/deployment/ja/serufuhosuto/inference-server/install/mac.md) * [NVIDIA Jetson](/deployment/ja/serufuhosuto/inference-server/install/jetson.md) * [Raspberry Pi](/deployment/ja/serufuhosuto/inference-server/install/raspberry-pi.md) * [その他のデバイス](/deployment/ja/serufuhosuto/inference-server/install/other.md) * [独自のクラウドにデプロイ](/deployment/ja/serufuhosuto/inference-server/install/cloud.md) - AWS、Azure、または GCP Docker をまったく実行できない場合は、 [Inference Library](/deployment/ja/serufuhosuto/inference-library.md) は、サーバーの代わりにお使いの Python プロセス内でモデルを実行します。 ## コンテナを自分で実行する 通常、イメージを手動で選ぶ必要はありません: `inference server start` はハードウェアを検出し、 `docker run` 推奨のセキュリティ設定、キャッシュ、プラットフォーム固有のオプションを適用して、あなたの代わりに実行します。自分でコンテナを管理したい場合は、CPU のみのホストでは CPU イメージを、CUDA ホストでは `--gpus all` 付きの GPU イメージを使用してください。 手動の Docker 例では localhost への公開を使用します。リモートクライアントの場合は、ホスト側のポートマッピングを変更し、 [サーバーアクセス](/deployment/ja/serufuhosuto/inference-server/configuration/security.md#restrict-network-access). {% tabs %} {% tab title="CPU" %} ```bash sudo docker run -d \\ --name inference-server \\ --read-only \\ -p 127.0.0.1:9001:9001 \ --volume ~/.inference/cache:/tmp:rw \\ --security-opt="no-new-privileges" \\ --cap-drop="ALL" \\ --cap-add="NET_BIND_SERVICE" \\ roboflow/roboflow-inference-server-cpu:latest ``` {% endtab %} {% tab title="GPU" %} まず [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html) をインストールし、その後 `--gpus all`: ```bash sudo docker run -d \\ --name inference-server \\ --gpus all \ --read-only \\ -p 127.0.0.1:9001:9001 \ --volume ~/.inference/cache:/tmp:rw \\ --security-opt="no-new-privileges" \\ --cap-drop="ALL" \\ --cap-add="NET_BIND_SERVICE" \\ roboflow/roboflow-inference-server-gpu:latest ``` {% endtab %} {% endtabs %} 各プラットフォームのガイドには、そのデバイス向けの正確なフラグを記載した「コンテナを手動で起動する」セクションがあります。 ## 更新 Docker イメージは既定で `:latest` タグを使用します。最新のサーバーに移行するには、最新イメージを pull するか、 `inference server start`を再実行してください。これにより自動で取得されます: ```bash docker pull roboflow/roboflow-inference-server-gpu:latest ``` 再現可能なデプロイのために、 **特定のバージョンタグを固定し** てください。 `:latest` そうすれば、更新によって挙動が予期せず変わることがありません。たとえば `roboflow/roboflow-inference-server-gpu:`です。利用可能なタグは [Docker Hub](https://hub.docker.com/u/roboflow)で確認でき、固定したタグを上げることで意図的に更新できます。 ## サーバーの保護 CLI は、Jetson イメージとトンネル起動を除き、既定で localhost への公開になります。デスクトップバンドルも既定では localhost です。セルフホストの API 認証と HTTPS は引き続き任意で、Custom Python はローカルでは有効のままです。リモートクライアントを許可する前に、 [セルフホストサーバーの保護](/deployment/ja/serufuhosuto/inference-server/configuration/security.md). ## 新しいサーバーの使い方 サーバーが起動したら、 [その HTTP API](/deployment/ja/serufuhosuto/self-hosted.md#run-model-locally) または [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk)です。参照: [モデルを実行する](/deployment/ja/serufuhosuto/self-hosted.md#run-model-locally) で最初のリクエストを送信し、 [Docker の設定オプション](/deployment/ja/serufuhosuto/inference-server/configuration/docker-configuration.md) でコンテナを調整してください。 ## エンタープライズ向けの考慮事項 [Helm チャート](https://github.com/roboflow/inference/tree/main/inference/enterprise/helm-chart) はエンタープライズ向けクラウドデプロイに利用でき、OT ネットワークへのデプロイをサポートするエンタープライズ向けネットワークソリューションもご要望に応じて利用できます。 Roboflow は、カスタマイズされたサポートやインストールパッケージ、 [事前構成済みの Jetson ベースのエッジデバイス](https://roboflow.com/hardware) も提供しており、迅速な試作に適しています。 [営業チームにお問い合わせください](https://roboflow.com/sales) 大規模組織の一員で、詳細を知りたい場合は、 [エンタープライズ導入](/deployment/ja/serufuhosuto/enterprise.md) を参照してください。全機能セットについては。