# モデルをトレーニングする
Roboflowのインターフェースでコンピュータビジョンモデルをトレーニングできます。
Roboflowは2つのトレーニングオプションを提供しています：
* Roboflow Train: 当社のフラッグシップトレーニングサービスで、本番環境向けのモデル作成に最適です。
* [Roboflow Instant](https://docs.roboflow.com/train/automatic-model-training-with-roboflow-instant)：テストに最適なモデルを数分でトレーニングします。
画像アノテーションのバッチを承認すると、Instantモデルが自動的にトレーニングされます。これらのモデルはすぐに使用できます。
Roboflowでトレーニングされたモデルは、オンデバイス推論サーバーであるInference、またはWorkflowsを使ったServerless Hosted API、Workflowsを使ったバッチ処理、あるいはあなたのモデルAPIエンドポイントを通じてクラウドにデプロイできます。
{% hint style="info" %}
当社の [ライセンスに関するガイダンス](https://roboflow.com/licensing) を読んで、Roboflowでトレーニングされたモデルのライセンスについて詳しく学んでください。
{% endhint %}
### モデルをトレーニングする
コンピュータビジョンモデルをトレーニングするには、まず [データセットバージョンを生成します](https://docs.roboflow.com/roboflow/roboflow-jp/datasets/dataset-versions/create-a-dataset-version).
"Custom Train"ボタンをクリックしてトレーニングジョブの設定を開始します：
#### モデルアーキテクチャを選択する
次に、モデルアーキテクチャを選択する必要があります。これはモデルのトレーニングに使用される機械学習技術です。
トレーニングできるモデルアーキテクチャは、設定したプロジェクトの種類によって異なります。詳細は [サポートされているモデルの表](https://docs.roboflow.com/roboflow/roboflow-jp/depuroi/supported-models) を参照してトレーニング互換性の詳細をご確認ください。
オブジェクト検出では、RF-DETRが最も高い精度を提供します。インスタンスセグメンテーションでは、RF-DETR Seg（プレビュー）が最も高い精度を提供します。
プロジェクトタイプで利用可能なアーキテクチャを選択し、次に「Continue」をクリックします：
#### モデルサイズを選択する
次に、モデルのサイズを設定する必要があります。
モデルサイズは選択するアーキテクチャによって異なります。例えば、最先端のオブジェクト検出モデルであるRF-DETRは、Nano、Small、Medium、およびBaseを提供します：
Roboflow 3.0では、FastとAccurateのトレーニングオプションが全ユーザーに利用可能です。Medium、Large、Extra Largeは有料ユーザーのみ利用可能です。
#### チェックポイントを選択する
トレーニングオプションを選択した後、どのチェックポイントからトレーニングするかを尋ねられます。以下のタブは各モデルタイプの設定オプションを示しています。
{% tabs %}
{% tab title="オブジェクト検出" %}
選択肢は3つあります：
* Trai**n from a Previous Checkpoint：** 既に動作するモデルを持っていてそれを改善したい場合に最適です。
* **Train from Public Checkpoint**：初めてのモデルバージョンや、以前のトレーニング実行で期待した結果が得られなかった場合に最適です。
* **Train from Random Initialization**: **上級ユーザー向けのみ**、このオプションはトレーニングのための白紙状態を提供します。ほとんどのユーザーはこのオプションを使用すると成績が悪化します。
{% endtab %}
{% tab title="分類/セマンティックセグメンテーション" %}
分類およびセマンティックセグメンテーションモデルでは、利用可能なチェックポイントは1つだけです。
{% endtab %}
{% endtabs %}
どのトレーニングオプションを選べばよいですか？
新しいオブジェクト検出プロジェクトにはPublic Checkpointからのトレーニングを推奨します。デフォルトでは、Microsoft COCOデータセットでトレーニングされたモデルからのトレーニングを提供します。分類とセマンティックセグメンテーションについては、ImageNetからのトレーニングのみをサポートしています。
Universeでホストされているプロジェクトに基づくチェックポイントからトレーニングできます（オブジェクト検出のみ）。そのためには、まず [Universeのプロジェクトにスターを付けます](https://blog.roboflow.com/launch-universe-model-checkpoint/)。すると、そのプロジェクトがRoboflowのWebアプリでトレーニングチェックポイントとして利用可能になります。
さらに、以前のバージョンのモデルに基づくチェックポイントからトレーニングすることもできます（オブジェクト検出、インスタンスセグメンテーション、キーポイント検出のみ）。この方法はトレーニングプロセスを高速化できます。モデルのパフォーマンスが高い場合にのみ、以前のチェックポイントからのトレーニングを推奨します。
チェックポイントからのトレーニングは、あなたが [Transfer Learning](https://blog.roboflow.com/what-is-transfer-learning/)を利用していることを意味します。Transfer Learningは選択したモデルからトレーニングを初期化します。これによりトレーニング時間を短縮し、トレーニングスコアを向上させることができます。
スクラッチからのトレーニングは、あなたが *利用していない* Transfer Learningを使用していないことを意味します。これはモデル重みの初期値をランダム化された値で初期化してトレーニングを開始します。
#### トレーニングジョブを開始する
どのチェックポイントからトレーニングするかを選択したら、Start Trainingをクリックします。
その後、データセットが圧縮されRoboflowのクラウドでトレーニングの準備が行われます。
データセットの準備が完了すると、トレーニングにかかる推定時間が表示されます：
データセットが大きいほど、またデータセット内の画像が大きいほど、モデルのトレーニングにかかる時間は長くなります。
トレーニングプロセスが終了した際にメールでお知らせします。ほとんどの場合、24時間以内です。
#### 価格
Roboflowでのトレーニングはトレーニングジョブの長さに基づいて課金されます。詳細は当社の [クレジットページ](https://www.roboflow.com/credits).
をご覧ください。もしあなたが学生または研究者で、取り組んでいるプロジェクトのためにクレジットが必要な場合は、 [追加クレジットを申請できます](https://roboflow.com/contribute).