カスタムモデルの重みをアップロード

Roboflowは、カスタム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してモデルデプロイに利用できます。

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、 Roboflow Inference.

モデルサポート

現在、モデル重みのアップロードが可能なのは次の通りです:

  • YOLOv5(n, s, m, l, x)物体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)物体検出、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)物体検出

  • YOLOv10(n, s, m, l, x)物体検出

  • YOLOv11(n, s, m, l, x)物体検出、インスタンスセグメンテーション

  • YOLOv12(n, s, m, l, x)物体検出

  • YOLO-NAS(s, m, l)物体検出

  • RF-DETR(rfdetr-base, rfdetr-large)物体検出

  • 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

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いほど、トレーニング時間や推論(モデル予測)速度が遅くなります。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求める場合は小さいモデルを、データ収集後に処理し高い予測精度を重視する場合は大きいモデルを選択してください。

バージョン付き vs. 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や組織のニーズに対応しています。バージョン付きとバージョンなしのデプロイの選択は、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異なります。

  • 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

    • 特定のプロジェクトバージョンに紐付けられる

    • データセットバージョンごとに1つのモデル

    • データセット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

カスタム重みのアップロード

開始する前に、次を持ってい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。

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

使用状況

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(1文字以上、数字とハイフンも可)
    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): モデルを識別する名前 - (1文字以上、数字とハイフンも可)

  • filename (str, optional): 重みファイルの名前(デフォルトは"weights/best.pt")

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"
)

次のステップ

  1. Roboflowの「モデル」タブでモデルを確認

  2. ローカルでモデルを実行 Roboflow推論サーバー.

Last updated

Was this helpful?