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/yolov9YOLOv10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
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")
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"
)
次のステップ
Roboflowの「モデル」タブでモデルを確認
ローカルでモデルを実行 Roboflow推論サーバー.
Last updated
Was this helpful?