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

詳細は 対応モデル表 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についてご利用いただけます。

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

• YOLOv8モデルは ultralytics==8.0.196

• YOLOv9モデルは次を使っ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モデルは次を使っ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モデルは次を使っ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

Python SDK（バージョンなし）

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"）

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）

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>=1.0.1 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できます。データセットにバージョンが生成されていない場合は、 アプリ内 または API.

ドキュメント参照 API経由でバージョンをロードする方法 または下記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、 version.deploy() Python SDKのメソッドを使用します。

使用状況

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

• 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)

#例1 - ディレクトリパスが"training1/model1.pt"のyolov8モデル
version.deploy("yolov8", "training1", "model1.pt")

#例2 - ディレクトリパスが"training1/weights/best.pt"のyolov8モデル
version.deploy("yolov8", "training1")

重要な注意事項

1. 1つのバージョンには同時に1つのトレーニング済みモデルのみ持てます

2. すでにモデルがあるバージョンにアップロードしようとすると429エラーになります

CLI（バージョンなしおよびバージョン付き）

インストール

Roboflow 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で認証する必要があります：

1. 認証コマンドを実行： roboflow login

2. ターミナルに表示されたURLにアクセス： https://app.roboflow.com/auth-cli

3. ウェブサイトから認証トークンを取得

4. トークンをターミナルに貼り付ける

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したモデルを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（オプション - 指定しない場合はデフォルトワークスペースを使用）

• -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の場合、複数プロジェクト指定可）

• -t, --model_type: モデルの種類（例：yolov8, paligemma2）

• -m, --model_path: トレーニング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（オプション）

• -f, --filename: モデルファイル名（デフォルト："weights/best.pt"）

• -n, --model_name: モデル名（バージョンなしモデルデプロイ時は必須）

例

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

# 2. バージョンなしモデルを複数プロジェクトにアップロード：
roboflow upload_model -w my-workspace -p project1 -p project2 -t yolov11 -n my-model-v1 -m ./weights

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.

3. モデルをデプロイ