Deploy a Workflow

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 Dedicated Deployment 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。
自身のハードウェア上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でバッチジョブコード不要で大量データの処理を自動化します。

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 やプロフェッショナルな 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Workflowsを実行できます。これには次が含まれます：

NVIDIA Jetson
AWS EC2、GCP Cloud Engine、Azure Virtual Machines
Raspberry Pi

Roboflow Enterpriseの顧客は、Baslerカメラでの推論実行など、追加のビデオストリームオプションにアクセスできます。詳細については、 Roboflowの営業チームにお問い合わせください.

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エディタの左上にある「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、WorkflowsのURLとAPIキーがあらかじめ入力されています。

Workflowsの利用制限について詳しくは、 Roboflowの料金ページ.

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 を自身のRoboflow APIキーに置き換えてください。また、 workspace-name および workflow-id を自身のRoboflowワークスペース名とWorkflow IDに置き換えてください。

これらの値を見つけるには、Roboflow Workflowを開き「Deploy Workflow」をクリックします。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Workflow 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。最良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、Web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でデプロイできます。これはWebカメラやRTSPストリームで可能です。また、ビデオファイルで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, # ビデオのパス、RSTPストリーム、デバイスID（int、内蔵Web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

上記のコードを実行すると、ワークフローがビデオまたはビデオストリームで動作します。

データバッチを処理する

Roboflow Batch Processingサービスを使えば、画像やビデオファイルのディレクトリなど、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。

Batch ProcessingはUI、CLI、REST APIのいずれにも対応しています。以下にCLIコマンドを示します。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>

データがロードされたら、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>

PreviousTest a Workflow NextManage Workflow Versions

Last updated 5 months ago

Was this helpful?