> 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 Roboflow モデルを自分のハードウェアで実行するには、Roboflow Inference（推奨される自動方式）を使うか、Model Weights を手動でダウンロードします（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、最も速く、最も信頼性の高い開始方法です**。Inference を使用すると、ファイルやバージョン管理を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で、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。画像がクラウドに送信されることはありません。 * **デプロイオプション**: * [ワークフロー](https://docs.roboflow.com/workflows/deploy/deploy-a-workflow)：本番環境対応の複数ステップのコンピュータービジョンワークフロー向け * [Python 推論 SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted#run-a-model)：Python 連携向け ### モデル重みの手動ダウンロード 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 実装のような、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。 次の [サポート対象モデル一覧](/models/ja/supported-models.md) を参照して、重みのダウンロード互換性を確認してください。 {% hint style="warning" %} Core は Free Tier を含め、次を通じた重みのダウンロードをサポートしています： [Python SDK](#method-b-python-sdk)。分類モデルの重みには別途ワークスペースアクセスが必要で、SAM3 と RF-DETR NAS の重みはダウンロードできません。ダウンロード権限によって、モデルの商用ライセンス条件が変更されることはありません。 {% endhint %} #### エクスポート形式 ONNX は推奨の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 TensorRT、OpenVINO、CoreML、またはその他の ONNX 対応ランタイムで実行できるように変換できます。Roboflow Inference は ONNX Runtime を使ってモデルを実行することもできます。
形式典型的な用途対応
ONNXクロスプラットフォームランタイム（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、および 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できます。 * 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（試験的）。 * RF-DETR NAS および SAM3 モデルは Roboflow Inference 経由でのみ実行でき、重みのダウンロードには対応していません。 * 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 Platform プロジェクト内のモデルに移動します。ワークスペースに「Download Weights」ボタンがある場合は、それをクリックして、モデルのアーキテクチャで利用可能な形式をダウンロードします。そうでない場合は、次を使用します [方法 B](#method-b-python-sdk).
Download Weights button
#### 方法 B：Python SDK Roboflow の Python パッケージを使用して、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 エコシステムの外で使用されるモデル重みに対して技術サポートを提供していません。最適な体験のため、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。