ワークフローをデプロイする
ワークフローをデプロイする方法は4つあります:
画像を Roboflow API に送信してワークフローで処理します。
を作成する Roboflow専用デプロイメント あなた専用にプロビジョニングされたインフラストラクチャ上で。
ご自身のハードウェアでワークフローを実行するには Roboflow Inference.
をスケジュールする Roboflow Cloudでバッチジョブ 大量のデータ処理をコーディングなしで自動化します。
ご自身のハードウェアでワークフローを実行する場合、画像だけでなく動画ファイル(通常の ウェブカメラ やプロ仕様の CCTVカメラ).
オンプレミスデプロイメントを選択すると、Inferenceをデプロイできる任意のシステムでワークフローを実行できます。これには以下が含まれます:
NVIDIA Jetson
AWS EC2、GCP Cloud Engine、Azure仮想マシン
Raspberry Pi
ワークフローをデプロイする
ワークフローをデプロイするには、Workflowsエディタ左上の「Deploy」ボタンをクリックしてください。すべてのデプロイメントオプションはこのページに記載されています。
Workflowsエディタ内のコードスニペットには、あなたのワークフローURLとAPIキーがあらかじめ入力されています。
画像を処理する
Roboflow APIまたはローカルInferenceサーバーを使って、単一画像でワークフローを実行できます。
まず、Roboflow Inference SDKをインストールします:
pip install inference-sdk inference-cli
ローカルで実行する場合は、 公式Dockerインストール手順 に従ってマシンにDockerをインストールし、Inferenceサーバーを起動します:
inference server start
次に、新しいPythonファイルを作成し、以下のコードを追加します:
from inference_sdk import InferenceHTTPClient
client = InferenceHTTPClient(
api_url="https://detect.roboflow.com", # ローカルデプロイの場合は "http://127.0.0.1:9001"
api_key="API_KEY"
)
result = client.run_workflow(
workspace_name="workspace-name",
workflow_id="workflow-id",
images={
"image": "YOUR_IMAGE.jpg"
}
)
上記の API_KEY
をあなたのRoboflow APIキーに置き換えてください。また、 workspace-name
と workflow-id
をあなたのRoboflowワークスペース名とワークフローIDに置き換えてください。
これらの値を見つけるには、Roboflowワークフローを開いて「Deploy Workflow」をクリックします。その後、ページに表示されるコードスニペットからワークスペース名とワークフローIDをコピーしてください。
ローカル実行はCPUおよびNVIDIA CUDA GPUデバイスで動作します。最高のパフォーマンスを得るには、NVIDIA JetsonやNVIDIA GPU搭載のクラウドサーバーなど、GPU対応デバイスでデプロイしてください。
ビデオストリーム(RTSP、ウェブカメラ)を処理する
ワークフローをビデオストリームのフレームにデプロイできます。これはウェブカメラやRTSPストリームでも可能です。また、動画ファイルにもワークフローを実行できます。
まず、Inferenceをインストールします:
pip install inference # GPUマシンの場合は inference-gpu
Inferenceのインストールには数分かかる場合があります。
次に、新しいPythonファイルを作成し、以下のコードを追加します:
# InferencePipelineオブジェクトをインポート
from inference import InferencePipeline
def my_sink(result, video_frame):
print(result) # 各フレームの予測結果で何かをする
# パイプラインオブジェクトを初期化
pipeline = InferencePipeline.init_with_workflow(
api_key="API_KEY",
workspace_name="workspace-name",
workflow_id="workflow-id",
video_reference=0, # 動画パス、RSTPストリーム、デバイスID(int、内蔵ウェブカメラは通常0)、またはRTSPストリームURL
on_prediction=my_sink
)
pipeline.start() #パイプラインを開始
pipeline.join() #パイプラインスレッドの終了を待つ
上記の API_KEY
をあなたのRoboflow APIキーに置き換えてください。また、 workspace-name
と workflow-id
をあなたのRoboflowワークスペース名とワークフローIDに置き換えてください。
これらの値を見つけるには、Roboflowワークフローを開いて「Deploy Workflow」をクリックします。その後、ページに表示されるコードスニペットからワークスペース名とワークフローIDをコピーしてください。
上記のコードを実行すると、ワークフローがあなたのビデオまたはビデオストリームで実行されます。
データのバッチ処理
Roboflowバッチ処理サービスを使えば、ディレクトリ内の画像や動画ファイルなど、データのバッチ全体を効率的に処理できます。この完全管理型ソリューションはコーディングやローカル計算を必要としません。データとワークフローを選択するだけで、あとはRoboflowが処理します。
バッチ処理はUI、CLI、REST APIのいずれにも対応しています。以下ではCLIコマンドを紹介します。詳しくは すべてのオプション.
処理を実行するには、Inference CLIをインストールします:
pip install inference-cli
その後、データを取り込むことができます:
inference rf-cloud data-staging create-batch-of-images \
--images-dir <your-images-dir-path> \
--batch-id <your-batch-id>
データが読み込まれたら、処理ジョブを開始します:
inference rf-cloud batch-processing process-images-with-workflow \
--workflow-id <workflow-id> \
--batch-id <batch-id>
ジョブの進捗は次のコマンドで表示できます:
inference rf-cloud batch-processing show-job-details \
--job-id <your-job-id> # ジョブ作成時にjob-idが表示されます
ジョブが完了したら、結果をエクスポートします:
inference rf-cloud data-staging export-batch \
--target-dir <dir-to-export-result> \
--batch-id <output-batch-of-a-job>
Last updated
Was this helpful?