> 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/workflows/ja/chtoriaru-1/hello-world.md).

# Hello World

このチュートリアルでは、シンプルな [ワークフロー](https://docs.roboflow.com/workflows) を作成して実行し、セットアップがインストールされ、正しく動作していることを確認します。コンピュータビジョンモデルで推論を実行し、UIデバッガーを使ってその出力を可視化します。

**難易度：** 簡単\
**完了までの時間：** 5分

## 前提条件

{% tabs %}
{% tab title="クラウド接続" %}
このチュートリアルに必要なのは [無料のRoboflowアカウント](https://app.roboflow.com/workflows) だけで、セットアップ不要でServerless Cloud API上で実行できます。これが最も簡単な始め方で、後でWorkflowsをセルフホスティングに移行することもできます。

また、プラットフォームUIの左上にある「Running on」セレクターをクリックし、 `localhost` またはサーバーのIPアドレスを指定することで、クラウドプラットフォームからローカルで実行中のInference Serverに接続することもできます。

アカウントを作成したら、 [新しい（空の）Workflowを作成し](https://docs.roboflow.com/workflows/build/create-a-workflow)、その後、以下を続けてください。
{% endtab %}

{% tab title="分離モード" %}
Detachedモードでは、RoboflowアカウントやAPIキーなしで、Inference ServerとWorkflow Builder UIの両方をローカルで実行します。Detachedモードでは、リモートデプロイ、監視、クラウドのモデルハブやデータセット管理プラットフォームとの統合などのクラウド接続機能は利用できず、アクセス制御は自分で実装する必要があります。

Roboflowアカウントなしで自分のマシンで実行するには、 [セルフホストのインストール手順](https://docs.roboflow.com/deployment/self-hosted/self-hosted) に従い、開発モードでInference Serverを起動してください（ `inference server start --dev`).

次に、ローカルのWorkflowsビルダーの `localhost:9001/build` に移動し、紫色の「Create a Workflow」ボタンを使って空のWorkflowを作成します。プロンプトが表示されたら、「Build My Own」を選択してください。
{% endtab %}
{% endtabs %}

これで空のWorkflowができ、作成を始められるはずです。

![空のWorkflow](https://media.roboflow.com/workflows/guides/hello-world/01-empty-workflow.webp)

## モデルを追加

最初のステップはModel Blockを追加することです。「Add a Block」をクリックしてブロック選択サイドバーを開きます。

![ブロックを追加](https://media.roboflow.com/workflows/guides/hello-world/02-block-sidebar.webp)

このガイドでは、オブジェクト検出モデルのブロックを選択します。

![モデルを選択](https://media.roboflow.com/workflows/guides/hello-world/03-choose-model.webp)

次にモデルを選択します。事前学習済みモデル（Microsoft COCOデータセットに含まれる一般的な80クラスの物体で学習済み）を使うことができます。あるいは、Roboflowアカウントを連携している場合は、あなたのファインチューニング済みモデルや、100,000以上のコミュニティ学習モデルのいずれか、あるいは [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).

![モデルを選択](https://media.roboflow.com/workflows/guides/hello-world/04-yolo-nas.webp)

## Workflowをテスト

モデルを追加したら、画像または動画でテストできます。右上の「Test Workflow」をクリックし、画像を追加して「Run」をクリックします。デフォルトでは、出力にはモデルの予測を表すJSONが含まれます。

![Workflowをテストする](https://media.roboflow.com/workflows/guides/hello-world/05-test-workflow.webp)

## 可視化を追加

モデルが何を予測しているかをより見やすくするには、Object Detection Modelブロックの下部にある「+」ボタンをクリックして可視化ブロックを追加します。「Bounding Box Visualization」と「Label Visualization」は組み合わせると効果的です。

![可視化を追加](https://media.roboflow.com/workflows/guides/hello-world/06-add-visualization.webp)

次に、見やすいように出力の順序を入れ替え、可視化を先頭（JSONの上）に表示します。「Outputs」ブロックをクリックし、選択した可視化の「Move Up」ボタンをクリックしてください。

![出力を並べ替える](https://media.roboflow.com/workflows/guides/hello-world/07-arrange-outputs.webp)

これでWorkflowをテストすると、JSONに加えてレンダリングされた画像も表示されます。これはデバッグにも、アプリのUIの一部としても役立ちます。

![再度テスト](https://media.roboflow.com/workflows/guides/hello-world/08-test-again.webp)

サムネイル（または「Visual」出力トグル）をクリックすると、画像を拡大表示することもできます。

![可視化を見る](https://media.roboflow.com/workflows/guides/hello-world/09-see-visual.webp)

## デプロイ

最後に、画面上部の「Deploy」ボタンから取得できるクライアントコードスニペットを使って、このWorkflowをより大きなアプリケーションの一部として利用できます。

![デプロイ](https://media.roboflow.com/workflows/guides/hello-world/10-deploy.webp)

## 次のステップ

シンプルなWorkflowを作成し、Inference Serverに接続してモデルを実行できることを確認できたので、次のようなより複雑で強力なWorkflowの構築を始められます。 [2つのモデルの出力を比較する](/workflows/ja/chtoriaru-1/compare-models.md).