> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-jp/train/train.md).
# モデルを学習
Roboflowインターフェースでコンピュータビジョンモデルを学習できます。
Roboflowには2つの学習オプションがあります：
* Roboflow Custom Train: 本製品の主力学習サービスで、本番環境対応モデルの作成に最適です。
* [Neural Architecture Search](/roboflow/roboflow-jp/train/neural-architecture-search.md)：新しいモデルアーキテクチャを発見し、同時にファインチューニングできます。
また、最初の画像アノテーションのバッチを承認すると、 **Roboflow Instant Model** が自動的に学習されます。これらのモデルは、すぐに自動ラベリングまたはデプロイに使用できます。
Roboflowで学習したモデルは、オンデバイス推論サーバーであるInference、またはクラウド上でServerless Hosted APIを使って、Workflows、Workflowsを使ったBatch Processing、あるいはモデルのAPIエンドポイントからデプロイできます。
{% hint style="info" %}
以下をご覧ください [ライセンスガイダンス](https://roboflow.com/licensing) Roboflowで学習したモデルのライセンスについて詳しく学べます。
{% endhint %}
### モデルを学習
コンピュータビジョンモデルを学習するには、プロジェクトのナビゲーションで「Train」を開いてください。
「Custom Training」ボタンをクリックして、学習ジョブの設定を開始します：
#### Neural Architecture Search (NAS)
物体検出およびインスタンスセグメンテーションのプロジェクトでは、 **Neural Architecture Search (NAS)** 単一のモデルアーキテクチャを選択する代わりに、これを使用できます。NASは複数のモデル構成を自動で学習・評価し、精度とレイテンシ要件に基づいて最適なものを推奨します。
NASを使用するには、学習エンジンの選択時にNASオプションを選択してください。NASには少なくとも15枚の検証画像が必要です。
NASの学習チャートの詳細については、 [学習結果を表示](/roboflow/roboflow-jp/train/training-results.md#nas-training-charts).
#### モデルアーキテクチャを選択
次に、モデルアーキテクチャとサイズを選択する必要があります。これは、モデルの学習に使用される機械学習技術です。
学習できるモデルアーキテクチャは、設定したプロジェクトの種類によって異なります。 [サポートされているモデルの表](/roboflow/roboflow-jp/deploy/supported-models.md) を参照して、学習の互換性の詳細をご確認ください。
物体検出では、RF-DETRが最も高い精度を提供します。インスタンスセグメンテーションでは、RF-DETR Seg (Preview)が最も高い精度を提供します。キーポイント検出では、RF-DETR Keypoint (Preview) も利用できます。
モデルサイズは、選択したモデルのアーキテクチャによって異なります。たとえば、最先端の物体検出モデルであるRF-DETRでは、Nano、Small、Medium、Baseが用意されています。Medium、Large、Extra Largeは有料ユーザーのみ利用できます。Training a [SAM3](/roboflow/roboflow-jp/deploy/supported-models/sam3.md) モデルの学習は、以下を含む有料プランで利用できます： [使用量ベースの課金](/roboflow/roboflow-jp/billing/credits.md).
プロジェクトタイプで利用可能なアーキテクチャを選択し、「Continue」をクリックします：
#### チェックポイントを選択
学習オプションを選択した後、チェックポイントから学習するかどうかを尋ねられます。以下のタブには、各モデルタイプの設定オプションが表示されます。
{% tabs %}
{% tab title="Object Detection" %}
3つのオプションがあります：
* **以前のチェックポイントから学習：** すでに動作しているモデルを改善したい場合に最適です。
* **Public Checkpoint から学習：** 最初のモデルバージョン、または以前の学習結果が期待どおりでなかった場合に最適です。
* **Random Initialization から学習：** **上級者向け**このオプションでは、学習用の白紙状態から始められます。多くのユーザーは、このオプションを使うと結果が悪化します。
{% endtab %}
{% tab title="Classification/Semantic Segmentation" %}
Classification および Semantic Segmentation モデルでは、利用できるチェックポイントは1つだけです。
{% endtab %}
{% endtabs %}
どの学習オプションを選べばよいですか？
新しい物体検出プロジェクトでは、Public Checkpoint からの学習を推奨します。デフォルトでは、Microsoft COCOデータセットで学習されたモデルからの学習を提供しています。Classification と Semantic Segmentation では、ImageNet からの学習のみサポートしています。
Universeでホストされているプロジェクトに基づくチェックポイントから学習できます（物体検出のみ）。そのためには、まず [Universeでプロジェクトにスターを付けてください](https://blog.roboflow.com/launch-universe-model-checkpoint/)。すると、そのプロジェクトはRoboflowのWebアプリケーションで学習チェックポイントとして利用できるようになります。
さらに、モデルの以前のバージョンに基づくチェックポイントからも学習できます（物体検出、インスタンスセグメンテーション、キーポイント検出のみ）。この方法では、より高速に学習できます。モデルの性能が十分に高い場合にのみ、以前のチェックポイントからの学習をおすすめします)。
チェックポイントから学習するということは、 [Transfer Learning](https://blog.roboflow.com/what-is-transfer-learning/)を用いることを意味します。Transfer Learningでは、選択したモデルを起点に学習を開始します。これにより学習時間を短縮し、学習スコアの向上が期待できます。
最初から学習するということは、 *ない* ことです。これは、モデル重みの初期値をランダムに設定して学習を開始することを意味します。
#### 学習ジョブを開始
学習元のチェックポイントを選択したら、「Start Training」をクリックします。
その後、データセットはzip化され、Roboflowクラウドでの学習用に準備されます。
学習開始前に、学習サマリーで推定所要時間とクレジット費用が表示されます：
データセットが大きいほど、またデータセット内の画像が大きいほど、モデルの学習には時間がかかります。
学習プロセスが完了すると、メールが届きます。ほとんどの場合、24時間以内です。
#### 料金
Roboflowでの学習料金は、学習ジョブの実行時間に基づいて決まります。詳細は [クレジットページ](https://www.roboflow.com/credits).
学生または研究者で、取り組んでいるプロジェクトにクレジットが必要な場合は、 [追加クレジットを申請できます](https://roboflow.com/contribute).
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.roboflow.com/roboflow/roboflow-jp/train/train.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.