Upload Custom Model Weights

Roboflow は、カスタムトレーニングした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する機能を提供します。

カスタムモデルのトレーニングを完了したら、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

参照を参照してください Supported Models table トレーニング、重みのアップロード、および重みのダウンロードの互換性のため。

モデル重みのアップロードは現在次のものに対応しています：

YOLOv5 (n, s, m, l, x) オブジェクト検出およびインスタンスセグメンテーション
YOLOv7 インスタンスセグメンテーション (yolov7-seg)
YOLOv8 (n, s, m, l, x) オブジェクト検出、インスタンスセグメンテーション、分類、キーポイント検出
YOLOv9 (n, s, m, l, x) オブジェクト検出
YOLOv10 (n, s, m, l, x) オブジェクト検出
YOLOv11 (n, s, m, l, x) オブジェクト検出、インスタンスセグメンテーション
YOLOv12 (n, s, m, l, x) オブジェクト検出
YOLO-NAS (s, m, l) オブジェクト検出
RF-DETR (rfdetr-base, rfdetr-large) オブジェクト検出
Florence-2 (base, large) マルチモーダル
PaliGemma (3b-pt-224, 3b-pt-448, 3b-pt-896) マルチモーダル
PaliGemma 2 (3b-pt-224, 3b-pt-448, 3b-pt-896) マルチモーダル

YOLOv8 モデルは次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 から 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 から
https://github.com/THU-MIG/yolov10
YOLOv11 モデルは次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 から https://github.com/sunsmarterjie/yolov12

より大きなモデルサイズはより良いトレーニング結果を提供します。ただし、モデルサイズが大きくなるほどトレーニング時間と推論（モデル予測）の速度は遅くなります。高速で動く物体やビデオフィードでリアルタイム推論を行いたい場合は（小さいモデルを使用する方が良い）、収集後にデータを処理し、より高い予測精度を重視する場合は（より大きなモデルを選んでください）を考慮してください。

バージョン付きモデルとバージョンなしモデルのアップロード

Roboflow は、プロジェクトにモデルをデプロイするための2つの異なるアプローチを提供しており、それぞれ異なるユースケースと組織のニーズに対応します。バージョン付きとバージョンな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、またはワークスペース内の複数のプロジェクトでモデルを共有したいかによります。

バージョンなしデプロイ
- ワークスペースレベルに紐付けられる
- 複数のプロジェクトに同時にデプロイできる
- 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
- 特定のプロジェクトバージョンに紐付けられる
- 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
- 他のモデルのトレーニング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

開始する前に、次があることを確認してください： roboflow>=1.1.53 バージョンなしデプロイを使用するために。

バージョンなしのカスタム重みをアップロードするには、次を使用します： workspace.deploy_model Python SDK のメソッド。

Usage

workspace.deploy_model(
    model_type="yolov8",  # モデルの種類
    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",  # モデル名（少なくとも1文字が必要で、数字とハイフンを許容）
    filename="weights/best.pt"  # 重みファイルのパス（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文字が必要で、数字とハイフンを許容）
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"
)

開始する前に、次があることを確認してください： roboflow>=1.0.1 を使用して.deploy() コマンド。

1つのバージョン付きモデルは、対応する1つのデータセットバージョンにのみリンクされる必要があります。データセットにバージョンが生成されていない場合は、次で作成できます： in-app または API.

についてのドキュメントを参照してください： API を通じてバージョンをロードする方法または以下の例を参照してください。

カスタム重みをアップロードするには、次を使用します： version.deploy() Python SDK のメソッド。

Usage

version.deploy(
    model_type="yolov8",  # モデルの種類
    model_path="path/to/model",  # モデルディレクトリへのパス
    filename="weights/best.pt"  # 重みファイルのパス（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
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")
project = rf.workspace().project("PROJECT_ID")

#weights_filename を指定可能、デフォルトは "weights/best.pt"
version = project.version(VERSION_ID)

#example1 - yolov8 モデルの場合、ディレクトリパスは "training1/model1.pt"
version.deploy("yolov8", "training1", "model1.pt")

#example2 - yolov8 モデルの場合、ディレクトリパスは "training1/weights/best.pt"
version.deploy("yolov8", "training1")

重要な注意事項

1つのバージョンは同時に1つの訓練済みモデルのみ持つことができます
すでにモデルが存在するバージョンにアップロードを試みると、429 エラーが発生します

インストール

Roboflow の Python パッケージをインストールするには、pip を使用できます：

pip install roboflow

認証

CLI コマンドを使用する前に、Roboflow に認証する必要があります：

認証コマンドを実行してください： roboflow login
ターミナルに表示された URL を訪問してください： https://app.roboflow.com/auth-cli
ウェブサイトから認証トークンを取得してください
取得したトークンをターミナルに貼り付けてください

認証情報は自動的に次に保存されます： ~/.config/roboflow/config.json

モデル重みのアップロード

Roboflow CLI は、トレーニング済みモデルの重みを Roboflow プロジェクトにアップロードするコマンドを提供します。これはカスタムトレーニング済みモデルを Roboflow にデプロイしたい場合に便利です。

基本的な使い方

roboflow upload_model -w <workspace> -p <project> -t <model_type> -m <model_path> [-v <version>] [-f <filename>] [-n <model_name>]

パラメータ

-w, --workspace: ワークスペース ID または URL（省略可能 - 指定しない場合はデフォルトのワークスペースが使用されます）
-p, --project: モデルをアップロードするプロジェクト ID（バージョンなしアップロードでは複数回指定して複数プロジェクトに対応可能）
-t, --model_type: モデルの種類（例: yolov8, paligemma2）
-m, --model_path: 訓練済みモデルファイルを含むディレクトリへのパス
-v, --version_number: モデルをアップロードするバージョン番号（省略可能）
-f, --filename: モデルファイルの名前（デフォルト: "weights/best.pt"）
-n, --model_name: モデルの名前（バージョンなしモデルデプロイでは必須）

例

# 1. 特定のバージョンにモデルをアップロードする： 
roboflow upload_model -w my-workspace -p my-project -v 1 -t yolov8 -m ./weights

# 2. 複数のプロジェクトにバージョンなしモデルをアップロードする：
roboflow upload_model -w my-workspace -p project1 -p project2 -t yolov11 -n my-model-v1 -m ./weights
# 3. 単一プロジェクトにバージョンなしの RF-DETR medium モデルをアップロードする： 
roboflow upload_model -w my-workspace -p my-project -t rfdetr-medium -n my-model-name -m ./ -f weights.pt

次のステップ

Roboflow の「Models」タブでモデルを確認してください
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.
モデルをデプロイする

PreviousLuxonis OAK NextDownload Model Weights

Last updated 1 month ago

Was this helpful?