> 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/xue-xi/roboflow-instant.md).

# Roboflow Instant

Roboflow Instant は、PoC（概念実証）を開発している間に使える、少量データで素早く学習できるモデルです。

Instant は、データセット内の新しい画像バッチを承認するとすぐに、そのデータセットを使ってモデルを自動的に学習します。

このモデルは、その後 Roboflow で学習された他のモデルと同様に、Roboflow Workflows で使用できます。

Instant は Object Detection プロジェクトのみをサポートしています。

Roboflow Instant モデルの学習は無料です。

### Roboflow Instant モデルを学習する

Roboflow Instant モデルは、データセットに <1000 枚の画像を追加し、そのプロジェクトにまだ Instant モデルが存在しない場合に自動的に学習されます。

Instant の学習ジョブは手動でも開始できます。

Instant の学習ジョブを開始するには、プロジェクトを開き、サイドバーの Models をクリックし、次に「Train Model」をクリックします:

<figure><img src="/files/d85e061ec6dd176482955d83ab9bc53fab4ebceb" alt=""><figcaption></figcaption></figure>

「Roboflow Instant Model」を選択します:

<figure><img src="/files/f2d10e9a46f1ed9a93d88e51fe50d67e3b7f620a" alt=""><figcaption></figcaption></figure>

その後、学習ジョブの確認を求められます:

<figure><img src="/files/ca358fc1e5c1265e1c87e272c363603635f3a5c4" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
Instant モデルには前処理やデータ拡張の手順を適用できません。
{% endhint %}

「Create New Instant Model」をクリックして、Roboflow Instant の学習ジョブを開始します。

これで学習ジョブが開始されます。

モデルを使用できるようになるまで、数分かかる場合があります。

すると、Instant モデルがモデル一覧に表示されます:

<figure><img src="/files/c43bcebec0a6422932956cf715e1854d455408b2" alt=""><figcaption></figcaption></figure>

### Instant モデルをデプロイする

モデルを使用するには、デプロイしたいモデルの行の右側にある Deploy Model ボタンをクリックします:

<figure><img src="/files/853026f3fe6d8964d018058991febda9401e05fa" alt=""><figcaption></figcaption></figure>

デプロイに使用する Workflow テンプレートを選べるウィンドウが表示されます。独自の Workflow を作成することもできます。

<figure><img src="/files/f4b90f516cd6473c39217f7d7326afd7e52b391d" alt=""><figcaption></figcaption></figure>

オプションを選択すると、Workflow が作成されます。この Workflow は、Roboflow Workspace の Workflows ページからアクセスできます。

以下は、Detect, Count, and Visualize テンプレートから作成された Workflow の例です:

<figure><img src="/files/059194f9f9f88ce11f1cd591543aafb1f98fdc6f" alt=""><figcaption></figcaption></figure>

この Workflow では Roboflow Instant モデルを使用しています。

Workflow をテストして、Instant モデルの動作を確認できます:

<figure><img src="/files/5b469476dfa8e00b5a31f437c33389ddabe4c97d" alt=""><figcaption></figcaption></figure>

### API で Instant モデルを実行する

学習が完了すると、Instant モデルは次で利用できるようになります: [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) 他の Roboflow モデルと同じエンドポイントパターンを使って。

Roboflow Instant モデルは、モデルごとの `{workspace}/{model-slug}` IDに置き換えてください（ [バージョン、トレーニング、モデル](/models/ja/versions-trainings-and-models.md)）、Roboflow 3.0 モデルを呼び出すのと同じです。

{% hint style="info" %}
Instant モデルの信頼度しきい値は影響を受けやすい場合があります。最適値は通常、学習セットのサイズに応じて 0.85 〜 0.99 の範囲です。
{% endhint %}

#### コードサンプル

{% stepper %}
{% step %}
**APIキーを取得する**

Roboflow アカウントを作成し、 [Roboflow API 設定ページ](https://app.roboflow.com/settings/api) でキーを見つけ、シェルで利用できるようにします。

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}
**依存関係をインストールする**

以下をインストールします [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk) と [supervision](https://supervision.roboflow.com/):

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}
**モデルを実行する**

この例では公開の [rf-bolts](https://universe.roboflow.com/erik-pe6au/rf-bolts) Roboflow Instant モデル（screw、flat-washer、hex-nut）を、小さなラベル付きセットから少量データで学習したものです。ご自身の `{workspace}/{model-slug}` 学習済み Instant モデルに差し替えてください。

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/docs/bolts.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
results = client.infer(image, model_id="erik-pe6au/bolts-uzqzc-instant-1")

detections = sv.Detections.from_inference(results)

annotated_image = sv.BoxAnnotator().annotate(image.copy(), detections)

cv2.imwrite("annotated.png", annotated_image)
```

<figure><img src="/files/5e850a35583f255858e176b1eb328a0110ae9684" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
設定する `api_url` をデプロイ先に合わせます:

* `https://serverless.roboflow.com` サーバーレスクラウドAPI用。
* `http://localhost:9001` ローカルの [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) サーバー用。
* あなたの [Dedicated Deployment](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) プライベートエンドポイント用のURL。
  {% endhint %}

その他のデプロイオプションとセルフホスティングについては、 [セルフホスト型デプロイ](https://docs.roboflow.com/deployment/self-hosted/self-hosted).