Workflow をデプロイ

Workflow は 4 つの方法でデプロイできます：

1. 画像を次の場所に送信します： Roboflow API Workflow を使って処理します。

2. 次を作成します： Roboflow Dedicated Deployment 専用に用意されたインフラストラクチャ上で。

3. 次を使用して、手元のハードウェアで Workflow を実行します： Roboflow Inference.

4. 使用します： Batch Processing 大量のデータを、コードを書かずに効率よく処理できます。

Workflow を手元のハードウェアで実行する場合、画像ファイルと動画ファイルの両方で実行できます（通常の Webカメラ および業務用の CCTVカメラ).

オンプレミスデプロイを選択すると、Inference をデプロイできるあらゆるシステムで Workflows 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 Virtual Machines

• Raspberry Pi

Roboflow Enterprise のお客様は、Basler カメラで推論を実行するなど、追加の動画ストリームオプションをご利用いただけます。提供内容の詳細については、 Roboflow の営業チームにお問い合わせください.

Workflow をデプロイする

Workflow 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ます。すべてのデプロイ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 の使用制限の詳細については、 Roboflow の料金ページ.

画像を処理

Roboflow API またはローカルの Inference server を使用して、単一の画像で Workflow 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、次の手順に従ってください： Docker の公式インストール手順 を使って、マシンに Docker をインストールし、Inference server 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://serverless.roboflow.com",  # またはローカルデプロイ用に "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"
    }
)

上記では、 API_KEY を Roboflow API キーに置き換えます。 workspace-name と workflow-id を Roboflow の workspace 名と Workflow ID に置き換えてください。

これらの値を確認するには、Roboflow Workflow を開いて「Deploy Workflow」をクリックします。次に、ページに表示されるコードスニペットから workspace 名と workflow ID をコピーしてください。

ローカル実行は CPU と 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 対応デバイスにデプロイしてください。

動画ストリームを処理する（RTSP、Webカメラ）

動画ストリームのフレームに Workflow をデプロイできます。Webカメラや RTSP ストリームに対応しています。動画ファイルでも Workflow を実行できます。

まず、Inference をインストールします：

pip install inference  # または GPU マシンでは 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します
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # 各フレームの予測結果を使って何かを行います
    

# pipeline オブジェクトを初期化します
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # 動画のパス、RSTP ストリーム、デバイス ID（int、通常は内蔵 Webカメラでは 0）、または RTSP ストリーム URL
    on_prediction=my_sink
)
pipeline.start() # pipeline を開始します
pipeline.join() # pipeline スレッドの終了を待ちます

上記では、 API_KEY を Roboflow API キーに置き換えます。 workspace-name と workflow-id を Roboflow の workspace 名と Workflow ID に置き換えてください。

これらの値を確認するには、Roboflow Workflow を開いて「Deploy Workflow」をクリックします。次に、ページに表示されるコードスニペットから workspace 名と workflow ID をコピーしてください。

上記のコードを実行すると、Workflow は動画または動画ストリーム上で実行されます。

データのバッチを処理する

Roboflow Batch Processing サービスを使用すると、画像や動画ファイルのディレクトリといったデータ一式を効率よく処理できます。このフルマネージド型ソリューションでは、コーディングもローカルでの計算も不要です。データと Workflow を選ぶだけで、あとは Roboflow に任せられます。

Batch Processing では UI、CLI、REST API のいずれからも操作できます。以下では CLI コマンドを紹介します。詳細を確認： 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

次に、データを取り込みます：

inference rf-cloud data-staging create-batch-of-images \
    --images-dir <your-images-dir-path> \
    --batch-id <your-batch-id>

データの読み込みが完了したら、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>

ジョブの進行状況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>  # job-id はジョブ作成時に表示されます

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>