> 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/windows.md).

# Windows にインストール

## Windows インストーラー (x86)

ネイティブのデスクトップアプリを使って、Windows マシン上で Roboflow Inference Server を実行できます。最新の GitHub リリースから最新の Windows インストーラーをダウンロードしてください: [GitHubで最新リリースを表示し、インストーラーをダウンロードする](https://github.com/roboflow/inference/releases).

1. [最新のインストーラーをダウンロード](https://github.com/roboflow/inference/releases) それを実行して Roboflow Inference をインストールします。
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、を見つけてください **Roboflow Inference** スタート メニュー内で。

{% hint style="info" %}
**`inference-models` バックエンド。** と組み合わせて使用する場合、 `inference-models` バックエンドでは、シンボリックリンクを使ったキャッシュ管理のため、Inference Server は昇格した管理者権限で実行する必要があります。代わりに、を有効にすることもできます [開発者モード](https://learn.microsoft.com/en-us/windows/advanced-settings/developer-mode).

次の `inference-models` バックエンドは環境フラグでオプトインできます: `$env:USE_INFERENCE_MODELS = "True"`.
{% endhint %}

## Dockerを使用する

まず、 [Docker Desktopをインストールし](https://docs.docker.com/desktop/setup/install/windows-install/)。その後、CLI を使ってコンテナーを起動します。

{% tabs %}
{% tab title="CPU" %}

```bash
pip install inference-cli
inference server start
```

{% endtab %}

{% tab title="GPU" %}
GPU にアクセスするには、最新の NVIDIA ドライバーと最新バージョンの WSL 2 がインストールされており、Docker で WSL 2 バックエンドが構成されていることを確認してください。 [Docker のセットアップ手順に従ってください](https://docs.docker.com/desktop/features/gpu/).

その後、CLI を使ってコンテナーを起動します:

```bash
pip install inference-cli
inference server start
```

{% endtab %}
{% endtabs %}

{% hint style="info" %}
もし `pip install` コマンドが失敗した場合、次のことが必要になるかもしれません: [Python をインストールする](https://www.python.org/downloads/) まず。マシンに Python 3.12、3.11、または 3.10 が入ったら、もう一度コマンドを実行してください。
{% endhint %}

## コンテナを手動で起動する

コンテナー設定をさらに細かく制御したい場合は、自分で起動してください。

{% tabs %}
{% tab title="CPU" %}
コア CPU Docker イメージには、onnxruntime を介した x64 CPU 上での OpenVINO アクセラレーションのサポートが含まれています。SAM2 のような重いモデルは、実用にならないほど遅く（画像 1 枚あたり数十秒）、もし必要なら CUDA 対応 GPU を使用してください。

CPU 推論の主なユースケースは、静止画像の処理（たとえばアップロードの NSFW 分類や書類の検証）や、動画からのフレームのまれなサンプリング（たとえば駐車場の混雑状況の追跡）です。

CPU 推論を始めるには、を使用してください `roboflow/roboflow-inference-server-cpu:latest` コンテナー。

```bash
docker run -d ^
    --name inference-server ^
    --read-only ^
    -p 9001:9001 ^
    --volume "%USERPROFILE%\.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" %}
GPU コンテナーは、NVIDIA-Docker 経由で CUDA をサポートするカードにハードウェアアクセラレーションを追加します。次のことを確認してください [GPU にアクセスできるように Docker を設定済みである](https://docs.docker.com/desktop/features/gpu/)、その後に `--gpus all` を `docker run` コマンド:

```bash
docker run -d ^
    --name inference-server ^
    --gpus all ^
    --read-only ^
    -p 9001:9001 ^
    --volume "%USERPROFILE%\.inference\cache:/tmp:rw" ^
    --security-opt="no-new-privileges" ^
    --cap-drop="ALL" ^
    --cap-add="NET_BIND_SERVICE" ^
    roboflow/roboflow-inference-server-gpu:latest
```

{% endtab %}

{% tab title="TensorRT" %}
GPU コンテナーでは、必要に応じて [TensorRT](https://developer.nvidia.com/tensorrt)、NVIDIA のモデル最適化ランタイムを有効にできます。各モデルを初めて読み込む際に重いコンパイルと最適化の工程（場合によっては 15 分以上）が発生する代わりに、モデルの速度を大幅に向上させます。

次を追加して TensorRT を有効にします `TensorrtExecutionProvider` を `ONNXRUNTIME_EXECUTION_PROVIDERS` 環境変数を有効にできます。

```bash
docker run -d ^
    --name inference-server ^
    --gpus all ^
    --read-only ^
    -p 9001:9001 ^
    --volume "%USERPROFILE%\.inference\cache:/tmp:rw" ^
    --security-opt="no-new-privileges" ^
    --cap-drop="ALL" ^
    --cap-add="NET_BIND_SERVICE" ^
    -e ONNXRUNTIME_EXECUTION_PROVIDERS="[TensorrtExecutionProvider,CUDAExecutionProvider,OpenVINOExecutionProvider,CPUExecutionProvider]" ^
    roboflow/roboflow-inference-server-gpu:latest
```

{% endtab %}
{% endtabs %}

## Docker Compose

アプリケーションで Docker Compose を使う場合、同等の YAML は次のとおりです。

{% tabs %}
{% tab title="CPU" %}

```yaml
version: "3.9"

services:
  inference-server:
    container_name: inference-server
    image: roboflow/roboflow-inference-server-cpu:latest

    read_only: true
    ports:
      - "9001:9001"

    volumes:
      - "${USERPROFILE}/.inference/cache:/tmp:rw"

    security_opt:
      - no-new-privileges
    cap_drop:
      - ALL
    cap_add:
      - NET_BIND_SERVICE
```

{% endtab %}

{% tab title="GPU" %}

```yaml
version: "3.9"

services:
  inference-server:
    container_name: inference-server
    image: roboflow/roboflow-inference-server-gpu:latest

    read_only: true
    ports:
      - "9001:9001"

    volumes:
      - "${USERPROFILE}/.inference/cache:/tmp:rw"

    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

    security_opt:
      - no-new-privileges
    cap_drop:
      - ALL
    cap_add:
      - NET_BIND_SERVICE
```

{% endtab %}

{% tab title="TensorRT" %}

```yaml
version: "3.9"

services:
  inference-server:
    container_name: inference-server
    image: roboflow/roboflow-inference-server-gpu:latest

    read_only: true
    ports:
      - "9001:9001"

    volumes:
      - "${USERPROFILE}/.inference/cache:/tmp:rw"

    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

    environment:
      ONNXRUNTIME_EXECUTION_PROVIDERS: "[TensorrtExecutionProvider,CUDAExecutionProvider,OpenVINOExecutionProvider,CPUExecutionProvider]"

    security_opt:
      - no-new-privileges
    cap_drop:
      - ALL
    cap_add:
      - NET_BIND_SERVICE
```

{% endtab %}
{% endtabs %}

{% hint style="info" %}
Roboflow Enterprise プランでは次が追加されます [Helm チャート](https://github.com/roboflow/inference/tree/main/inference/enterprise/helm-chart) Kubernetes デプロイメント、OT ネットワーク向けのネットワークソリューション、およびカスタマイズされたサポートとインストールパッケージ向けです。 [営業チームにお問い合わせください](https://roboflow.com/sales) 詳細はこちら。
{% endhint %}

## 次の手順

* [モデルを実行する](/deployment/ja/serufuhosuto/self-hosted.md#run-a-model) 新しいサーバーに対して。
* [インストール `inference-gpu` Windows 上のベアメタル](/deployment/ja/serufuhosuto/inference-library/bare-metal-gpu-windows.md) Docker を使用できない場合。
* [セルフホスト型サーバーのセキュリティ保護](/deployment/ja/serufuhosuto/inference-server/configuration/security.md) localhost の外部に公開する前に。