カスタム Model Weights をアップロード

Roboflow では、カスタム学習した models の model weights を Roboflow Projects にアップロードして model をデプロイできます。

関連ページ:

• Roboflowでモデルをトレーニングするには、こちらを参照してください Model を学習

• モデルの重みをダウンロードするには、こちらを参照してください Model Weights をダウンロード

Roboflow以外でトレーニングした重みのアップロード

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のプロジェクトにアップロードして、以下の利点を活用してください Roboflow Inference.

Model Support

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

• YOLOv8モデルは以下でトレーニングする必要があります ultralytics==8.0.196

• YOLOv9モデルは以下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モデルは以下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モデルは以下でトレーニングする必要があります ultralytics<=8.3.40

• YOLOv12モデルは以下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

モデルサイズが大きいほど、トレーニング結果は向上します。ただし、モデルサイズが大きいほど、トレーニング時間と推論（モデル予測）速度は遅くなります。高速で動く物体や動画フィードに対してリアルタイム推論を行いたいのか（小さいモデルの使用が望ましい）、それともデータ収集後に処理し、より高い予測精度を重視するのか（大きいモデルを選択）を検討してください。

Versioned と Versionless のモデルアップロード

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います。それぞれが異なるユースケースと組織のニーズに対応します。Versioned と Versionless のどちらを選ぶかは、データセットのバージョンと併せてモデルの進化を追跡する必要があるか、あるいはworkspace内の複数のプロジェクト間でモデルを共有したいかによって決まります。

• Versionless デプロイ

  • workspaceレベルに紐づく

  • 複数のプロジェクトに同時にデプロイできる

  • 同じworkspace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

• Versioned デプロイ

  • 特定のプロジェクトバージョンに紐づく

  • データセットのバージョンごとに1つのモデル

  • データセットのバージョンと併せて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

  • 他のモデルをトレーニングするためのcheckpoint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

まず、最新の roboflow Pythonパッケージがインストールされていることを確認してください:

pip install --update roboflow

Python SDK（Versionless）

Versionlessのカスタム重みをアップロードするには、 workspace.deploy_model() メソッドを使用します:

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、数字とハイフンを使用可能）
    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、数字とハイフンを使用可能）

• 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（Versioned）

CLI（VersionlessおよびVersioned）

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. 以下を使用してローカルでモデルを実行してください Roboflow Inference Server.

3. モデルをデプロイする