> 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/models/ja/moderunomi/download-roboflow-model-weights.md). # モデルの重みをダウンロード 自分のハードウェアで Roboflow モデルを実行するには、Roboflow Inference（推奨される自動方式）を使用するか、Model Weights を手動でダウンロードできます（特定の例外ケース向け）。 ### Roboflow Inference による自動ダウンロード（推奨） [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) は、CPU および GPU デバイス上でローカルにモデルを実行するための、オープンソースでスケーラブルなシステムです。 **これが、すぐに始めるための最速かつ最も信頼できる方法です**。Inference を使用すると、ファイルやバージョニングを管理する必要はありません。Roboflow Inference は、コードを初めて実行したときにモデルの重みを自動的に取得してキャッシュします。 * **仕組み**：最初の推論リクエスト時に、重みは Roboflow のサーバーからダウンロードされ、ローカルに保存されます。以降の予測はすべてこのローカルキャッシュを使用します。画像はクラウドには送信されません。 * **デプロイオプション**: * [ワークフロー](https://docs.roboflow.com/workflows/deploy/deploy-a-workflow)：本番環境対応のマルチステップ・コンピュータビジョンワークフロー向け * [Python inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted#run-a-model)：Python 連携向け ### モデルの重みを手動でダウンロード 場合によっては、未加工の重みファイル（例：PyTorch `.pt` ファイル）が必要になることがあります。たとえば、カスタム Android 実装のように、Roboflow がまだネイティブにサポートしていないデバイスで実行する場合です。ダウンロードできる形式は、モデルのアーキテクチャによって異なります。 を参照して [サポート対象モデル一覧](/models/ja/supported-models.md) 重みダウンロードの互換性を確認してください。 {% hint style="warning" %} **プレミアム機能**：手動での重みダウンロードは、Core プランの有料ユーザーおよび一部の Enterprise 顧客のみ利用できます。詳細は [料金ページ](https://roboflow.com/pricing). {% endhint %} #### エクスポート形式 ONNX は推奨エクスポート形式です。最も幅広いアーキテクチャで利用でき、ONNX ファイルを変換して TensorRT、OpenVINO、CoreML、またはその他の ONNX 対応ランタイムで実行できます。Roboflow Inference でも ONNX Runtime を使用してモデルを実行します。
形式一般的な用途利用可能なモデル
ONNXクロスプラットフォームのランタイム（例：TensorRT、OpenVINO）Roboflow 3.0、YOLOv8、YOLOv12、YOLO26、YOLO-NAS、RF-DETR、および分類モデル
PyTorch (.pt)カスタム PyTorch パイプラインRoboflow 3.0、YOLOv8、YOLOv12、YOLO26、YOLO-NAS、RF-DETR、および分類モデル
CoreMLiOS および Apple デバイスRoboflow 3.0、YOLOv8、YOLOv12、YOLO26、RF-DETR、および分類モデル
TFLite（int8）マイクロコントローラ（例：OpenMV）Roboflow 3.0、YOLOv8、YOLOv12、YOLO26
TensorFlow.jsWeb ブラウザRoboflow 3.0 および RF-DETR の物体検出モデル
Luxonis OAK / DepthAIOAK カメラRoboflow 3.0 および YOLOv8 の物体検出モデル
* インスタンスセグメンテーション、分類、キーポイント検出モデルは ONNX にエクスポートされます。CoreML は、インスタンスセグメンテーションおよび分類モデルでも利用可能です。 * RF-DETR モデルは、オープンソースの [rf-detr ライブラリ](https://github.com/roboflow/rf-detr) を使って、TFLite、TensorRT、ExecuTorch にもエクスポートできます（実験的）。 * RF-DETR NAS および SAM3 モデルは Roboflow Inference を通じてのみ実行でき、重みのダウンロードはサポートされていません。 * ファインチューニングされたマルチモーダルモデル（例：PaliGemma、Florence-2、Qwen）は、変換なしで Hugging Face の出力ディレクトリ（safetensors）としてダウンロードされます。 #### 方法 A：Roboflow プラットフォーム プロジェクト内のモデルに移動します。ご利用のプランで許可されている場合、「重みをダウンロード」ボタンをクリックすると、そのモデルのアーキテクチャで利用可能な形式で重みをダウンロードできます。
Download Weights button
#### 方法 B：Python SDK Roboflow の Python パッケージを使って、重みを直接ディレクトリにダウンロードすることもできます： ```python from roboflow import Roboflow rf = Roboflow(api_key="YOUR_API_KEY") model = rf.workspace().project("PROJECT_ID").version(1).models()[0] model.download() # 'weights.pt' をローカルフォルダにダウンロードします ``` **注**：Roboflow は、Roboflow Inference エコシステム外で使用されるモデルの重みに対して技術サポートを提供していません。最良の体験のために、セクション 1 で説明した Inference の方法を使用することを推奨します。