Upload Custom Model Weights

Roboflow はカスタムトレーニング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す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、次の機能を活用してください Roboflow Inference.

モデルサポート

参照してください Supported Models table 重みのアップロード互換性の詳細については。

• 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 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 から https://github.com/sunsmarterjie/yolov12

モデルの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ほどトレーニング時間および推論（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場合は小さいモデルを使用することを検討し、収集後にデータを処理して高い予測精度を重視する場合は大きいモデルを選んでください。

バージョン付きモデル vs バージョンレス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つの異なる方法を提供しており、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レス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って決まります。

• バージョンレスデプロイメント

  • ワークスペースレベルに紐付く

  • 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付く

  • データセットバージョンごとに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用チェックポイントとしてモデルを使用するのに最適

カスタム重みをアップロードする

Python SDK（バージョンレス）

開始する前に、次をインストールしていることを確認してください roboflow>=1.1.53 バージョンレスデプロイを使用するために。

バージョンレス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Python SDKで使用します。

使用方法

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文字を含み、数字とハイフンを許容）
    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): モデルの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"
)

Python SDK（バージョン付き）

CLI（バージョンレス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 Roboflow Inference Server.

3. モデルをデプロイする