> 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/workflows/deploy-a-workflow.md).

# 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](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) Workflow を使って処理します。
2. 次を作成します： [Roboflow Dedicated Deployment](/roboflow/roboflow-jp/deploy/dedicated-deployments.md) 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](https://inference.roboflow.com/install/).
4. 使用します： [Batch Processing](/roboflow/roboflow-jp/deploy/batch-processing.md) 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

{% hint style="info" %}
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](https://roboflow.com/sales).
{% endhint %}

### 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。

{% hint style="info" %}
Workflows の使用制限の詳細については、 [Roboflow の料金ページ](https://roboflow.com/workflows).
{% endhint %}

#### 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：

```python
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](https://docs.docker.com/get-docker/) 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：

```python
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：

```python
# 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](https://inference.roboflow.com/workflows/batch_processing/about/#cli).

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>
```


---

# 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/workflows/deploy-a-workflow.md?ask=<question>
```

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.