カスタムモデルの重みをアップロードする

Roboflow はカスタム学習済みモデルのモデル重みを Roboflow プロジェクトにアップロードしてデプロイできる機能を提供します。

カスタムモデルのトレーニングが完了したら、モデルの重みをRoboflowプロジェクトにアップロードして、次の利点を活用してください： Roboflow Inference.

モデルサポート

詳細は サポートされているモデル表 で、重みのアップロード互換性について確認してください。

• YOLOv8モデルは次の環境でトレーニングする必要があります： ultralytics==8.0.196

• YOLOv9モデルは次を使用してトレーニングおよびアップロードする必要があります： ultralytics 出典： https://github.com/WongKinYiu/yolov9

• YOLOv10モデルは次を使用してトレーニングおよびアップロードする必要があります： ultralytics 出典：

  https://github.com/THU-MIG/yolov10

• YOLOv11モデルは次の環境でトレーニングする必要があります： ultralytics<=8.3.40

• YOLOv12モデルは次を使用してトレーニングおよびアップロードする必要があります： ultralytics 出典： https://github.com/sunsmarterjie/yolov12

モデルサイズが大きいほどトレーニング結果は良くなります。ただし、モデルサイズが大きくなるとトレーニング時間や推論（モデル予測）の速度は遅くなります。高速に動く物体やビデオフィードでリアルタイム推論を求めるなら小さいモデルを、データ収集後に処理を行い予測精度を優先するなら大きいモデルを選ぶことを検討してください。

バージョン付きモデルとバージョン無しモデルのアップロード

Roboflowはプロジェクトへモデルをデプロイするための2つのアプローチを提供しており、それぞれ用途や組織のニーズが異なります。バージョン付きとバージョン無しのどちらを選ぶかは、データセットのバージョンとともにモデルの進化を追跡する必要があるか、ワークスペース内の複数プロジェクトでモデルを共有したいかによります。

• バージョン無しデプロイメント

  • ワークスペースレベルに紐づく

  • 複数のプロジェクトに同時にデプロイ可能

  • 同じワークスペース内の異なるプロジェクト間でモデルを共有するのに最適

• バージョン付きデプロイメント

  • 特定のプロジェクトバージョンに紐づく

  • データセットの各バージョンにつき1つのモデル

  • データセットのバージョンとともにモデルの進化を追跡するのに最適

  • Label Assistでモデルを使用するのに最適

  • 他のモデルをトレーニングするためのチェックポイントとしてモデルを使用するのに最適

カスタム重みのアップロード

まず、最新の roboflow Pythonパッケージがインストールされていることを確認してください：

pip install --update roboflow

Python SDK（バージョン無し）

バージョン無しのカスタム重みをアップロードするには、次の workspace.deploy_model() メソッドを使用します：

workspace.deploy_model(
    model_type="yolov8",  # モデルのタイプ
    model_path="path/to/model",  # モデルディレクトリへのパス
    project_ids=["project1", "project2"],  # プロジェクトIDのリスト
    model_name="my-model",  # モデルの名前（少なくとも1文字を含み、数字とダッシュを許容）
    filename="weights/best.pt"  # 重みファイルへのパス（デフォルト）
)

パラメータ

• model_type (str): デプロイするモデルの種類（例："yolov8"、"yolov11"）

• model_path (str): モデル重みを含むディレクトリへのファイルパス

• project_ids (list[str]): モデルをデプロイするプロジェクトIDのリスト

• model_name (str): モデルを識別するための名前（少なくとも1文字を含み、数字とダッシュを許容）

• filename (str, optional): 重みファイルの名前（デフォルトは "weights/best.pt"）

例

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
workspace = rf.workspace("YOUR_WORKSPACE")

workspace.deploy_model(
  model_type="yolov8",
  model_path="./runs/train/weights",
  project_ids=["project-1", "project-2", "project-3"],
  model_name="my-custom-model"
)

Python SDK（バージョン付き）

CLI（バージョン無しおよびバージョン付き）

次のステップ

1. Roboflowの「Models」タブでモデルを確認してください

2. ローカルでモデルを実行するには、次を使用してください： Roboflow Inference Server.

3. モデルをデプロイする