# ModelまたはWorkflowをデプロイする

私たちは、モデルとワークフローの両方について、Managed Deployments と self-hosted deployment の両方をサポートしています。

### Managed Deployments

これらのオプションは、Roboflow のクラウドインフラストラクチャを活用してモデルとワークフローを実行するため、独自のハードウェアやソフトウェアを管理する必要がありません。

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">カバー画像</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Serverless Hosted API</strong></td><td>すぐに開始でき、自動的にスケールします。</td><td><a href="https://3740591140-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FoKW42bcMX8fDUOccDDeX%2Fserverless-bg.png?alt=media&#x26;token=8845f5bc-4ab5-41d3-9c19-c80e007656f7">serverless-bg.png</a></td><td><a href="serverless-hosted-api-v2">serverless-hosted-api-v2</a></td></tr><tr><td><strong>Dedicated Deployment</strong></td><td>大規模なモデルや予測可能なワークロードに最適です。</td><td><a href="https://3740591140-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FQ9lPa8CUrDY2khi93tuV%2Fbox-bg.png?alt=media&#x26;token=c2f28bf9-77eb-40f9-8997-ff0fe0affda7">box-bg.png</a></td><td><a href="dedicated-deployments">dedicated-deployments</a></td></tr><tr><td><strong>Batch Processing</strong></td><td>保存済みデータをコスト効率よく処理します。</td><td><a href="https://3740591140-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FkmKoibwSR9GIaxKExJo3%2Fbatchpbg.png?alt=media&#x26;token=9b5e1757-d8c2-40ac-9e6a-6bb64ae7907b">batchpbg.png</a></td><td><a href="batch-processing">batch-processing</a></td></tr></tbody></table>

### Self-Hosted Deployment

また、self-hosted 上にモデルとワークフローをデプロイすることもできます [Roboflow Inference](https://inference.roboflow.com/)。これにより、環境、リソース、レイテンシーをより細かく制御できます。

* [自分のクラウドサーバーで self-hosting する](https://inference.roboflow.com/install/cloud/)
* [Edge デバイスで self-hosting する](https://inference.roboflow.com/install/)

{% hint style="info" %}
このオプションには、インフラストラクチャの管理と専門知識が必要です。
{% endhint %}

<details>

<summary>Inference とは？</summary>

{% hint style="info" %}
コンピュータビジョンにおいて、inference とは、学習済みモデルを使って新しい画像や動画を分析し、予測を行うプロセスを指します。たとえば、物体検出モデルは動画ストリーム内の物体を識別して位置を特定するために使われることがあり、分類モデルはその内容に基づいて画像を分類するために使われることがあります。
{% endhint %}

[***Roboflow Inference***](https://inference.roboflow.com/) は、コンピュータビジョンのモデルとワークフローをデプロイするための強力で柔軟なフレームワークを提供するオープンソースプロジェクトです。これは、Roboflow の managed deployment サービスの大部分を支えるエンジンです。self host して使うことも、vision workflows を edge デバイスにデプロイするために使うこともできます。Roboflow Inference には、次のようなさまざまな機能と能力があります:

* 物体検出、分類、インスタンスセグメンテーションなど、さまざまなモデルアーキテクチャとタスクのサポート。
* Workflows。これにより、数百の building Blocks から選択して、異なるモデル、事前構築されたロジック、外部アプリケーションを組み合わせることで、コンピュータビジョンアプリケーションを構築できます。
* CPU、GPU、NVIDIA Jetson のような edge デバイスを含む、さまざまなデバイスで最適化されたパフォーマンスを実現するハードウェアアクセラレーション。
* リソースを効率的に使用するためのマルチプロセッシング。
* 動画ストリームをシームレスに処理するための動画デコード。
* デプロイを簡素化する HTTP インターフェース、API、docker イメージ
* Roboflow の hosted deployment オプションおよび Roboflow プラットフォームとの統合。

</details>

<details>

<summary>Workflow とは？</summary>

[Workflows](https://github.com/roboflow-ai/roboflow-docs/blob/main/deploy/deployment-overview/broken-reference/README.md) 異なるモデル、事前構築されたロジック、外部アプリケーションを組み合わせることで、複雑なコンピュータビジョンアプリケーションを構築できるようにします。これらは、高度なコンピュータビジョンパイプラインを設計・デプロイするための、ビジュアルで low-code な環境を提供します。

Workflows を使うと、次のことができます:

* 複数のモデルを連結して、複雑なタスクを実行する。
* アプリケーションにカスタムロジックと意思決定を追加する。
* 外部システムや API と統合する。
* 画像や動画内の物体を追跡、カウント、計測し、可視化する。

</details>

### 適切な Deployment オプションの選択

{% hint style="info" %}
inference の [Getting Started ガイド](https://inference.roboflow.com/start/getting-started/).
{% endhint %}

最適な deployment オプションは、特定のニーズや要件によって異なります。判断する際は、次の要素を考慮してください:

* スケーラビリティ: アプリケーションが変動するトラフィック量やデータ量に対応する必要がある場合、serverless API はリアルタイムの use-cases に対して優れたスケーラビリティを提供します。そうでなければ、 [Batch Processing](https://docs.roboflow.com/roboflow/roboflow-jp/deploy/batch-processing) が推奨オプションです。
* レイテンシー: 低レイテンシーや動画処理が必要な場合は、dedicated deployments または強力なハードウェアを備えた self-hosted deployments が最適な選択肢かもしれません。
* 制御: self-hosted deployments は、環境とリソースを最も細かく制御できます。
* 専門知識: self-hosted deployments のセットアップと管理には、より高度な技術的専門知識が必要です。