# Workflow をデプロイする

Workflow を4つの方法でデプロイできます:

1. 画像を送信して [Roboflow API](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) Workflow を使って処理します。
2. 次を作成します [Roboflow Dedicated Deployment](https://docs.roboflow.com/roboflow/roboflow-jp/depuroi/dedicated-deployments) を、専用に用意されたインフラストラクチャ上で使用します。
3. 次を使用して、自分のハードウェア上で Workflow を実行します [Roboflow Inference](https://inference.roboflow.com/install/).
4. 次を使用します [Batch Processing](https://docs.roboflow.com/roboflow/roboflow-jp/depuroi/batch-processing) を使って、大量のデータをコーディングコストを抑えて効率的に処理します。

Workflow を自分のハードウェア上で実行する場合、画像と動画ファイルの両方で実行できます（通常の **ウェブカメラ** および業務用の **CCTV カメラ**).

オンプレミスデプロイを選択すると、Inference をデプロイできるあらゆるシステムで Workflows を実行できます。これには以下が含まれます:

* NVIDIA Jetson
* AWS EC2、GCP Cloud Engine、Azure Virtual Machines
* Raspberry Pi

{% hint style="info" %}
Roboflow Enterprise のお客様は、Basler カメラでの推論実行など、追加のビデオストリームオプションをご利用いただけます。提供内容の詳細については、 [Roboflow の営業チームにお問い合わせください](https://roboflow.com/sales).
{% endhint %}

### Workflow をデプロイする

Workflow をデプロイするには、Workflows エディターの左上にある「Deploy」ボタンをクリックします。すべてのデプロイオプションはこのページにドキュメントがあります。

Workflows エディター内のコードスニペットには、Workflows の URL と API キーがあらかじめ入力されます。

{% hint style="info" %}
Workflows の使用制限の詳細については、 [Roboflow の料金ページ](https://roboflow.com/workflows).
{% endhint %}

#### 画像を処理

Roboflow API またはローカルの Inference サーバーを使用して、単一画像上で Workflow を実行できます。

まず、Roboflow Inference SDK をインストールします:

```python
pip install inference-sdk inference-cli 
```

ローカルで実行する場合は、 [Docker の公式インストール手順](https://docs.docker.com/get-docker/) に従ってお使いのマシンに Docker をインストールし、Inference server を起動します:

```
inference server start
```

次に、新しい Python ファイルを作成して、以下のコードを追加します:

```python
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="https://detect.roboflow.com",  # ローカルデプロイの場合は "http://127.0.0.1:9001"
    api_key="API_KEY"
)

result = client.run_workflow(
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    images={
        "image": "YOUR_IMAGE.jpg"
    }
)

```

上記では、 `API_KEY` を Roboflow の API キーに置き換えてください。さらに `workspace-name` および `workflow-id` を、Roboflow の workspace 名と Workflow ID に置き換えてください。

これらの値を見つけるには、Roboflow Workflow を開いて「Deploy Workflow」をクリックします。次に、ページに表示されるコードスニペットから workspace 名と workflow ID をコピーします。

ローカル実行は CPU と NVIDIA CUDA GPU デバイスで動作します。最良のパフォーマンスを得るには、NVIDIA Jetson や NVIDIA GPU 搭載のクラウドサーバーなど、GPU 対応デバイスにデプロイしてください。

#### ビデオストリームを処理する (RTSP, Webcam)

ビデオストリームのフレーム上で Workflow をデプロイできます。これは webcam や RTSP ストリームにできます。また、動画ファイル上で Workflow を実行することもできます。

まず、Inference をインストールします:

```
pip install inference  # GPU マシンでは inference-gpu
```

Inference のインストールには数分かかる場合があります。

次に、新しい Python ファイルを作成して、以下のコードを追加します:

```python
# InferencePipeline オブジェクトをインポートする
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # 各フレームの予測結果で何か処理する
    

# パイプラインオブジェクトを初期化する
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # 動画へのパス、RSTP ストリーム、デバイス ID（int、通常は内蔵 webcam の場合 0）、または RTSP ストリーム URL
    on_prediction=my_sink
)
pipeline.start() # パイプラインを開始する
pipeline.join() # パイプラインスレッドが終了するのを待つ

```

上記では、 `API_KEY` を Roboflow の API キーに置き換えてください。さらに `workspace-name` および `workflow-id` を、Roboflow の workspace 名と Workflow ID に置き換えてください。

これらの値を見つけるには、Roboflow Workflow を開いて「Deploy Workflow」をクリックします。次に、ページに表示されるコードスニペットから workspace 名と workflow ID をコピーします。

上記のコードを実行すると、Workflow は動画またはビデオストリーム上で実行されます。

#### データのバッチを処理する

Roboflow Batch Processing サービスを使って、画像や動画ファイルのディレクトリなど、データのバッチ全体を効率的に処理できます。この完全管理型ソリューションでは、コーディングやローカルでの計算は不要です。データと Workflow を選択するだけで、残りは Roboflow に任せられます。

Batch Processing との UI、CLI、REST API のいずれのやり取りもサポートしています。以下では CLI コマンドを紹介します。 [すべてのオプション](https://inference.roboflow.com/workflows/batch_processing/about/#cli).

処理を実行するには、Inference CLI をインストールします:

```
pip install inference-cli
```

その後、データを取り込みます:

```
inference rf-cloud data-staging create-batch-of-images \
    --images-dir <your-images-dir-path> \
    --batch-id <your-batch-id>
```

データが読み込まれたら、処理ジョブを開始します:

```
inference rf-cloud batch-processing process-images-with-workflow \
    --workflow-id <workflow-id> \
    --batch-id <batch-id>
```

ジョブの進行状況は次のように表示できます:

```
inference rf-cloud batch-processing show-job-details \
    --job-id <your-job-id>  # job-id はジョブ作成時に表示されます
```

そして、ジョブが完了したら、結果をエクスポートします:

```
inference rf-cloud data-staging export-batch \
    --target-dir <dir-to-export-result> \
    --batch-id <output-batch-of-a-job>
```