> 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/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、その出力をUIデバッガーで可視化します。

**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、セットアップ不要のServerless Hosted API上で実行できます。これは始めるための最も簡単な方法で、後からワークフローをセルフホスト環境へ移行することもできます。

また、プラットフォームUI左上の「Running on」セレクターをクリックし、 `localhost` またはサーバーのIP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動作している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）ワークフローを作成し、](https://docs.roboflow.com/workflows/build/create-a-workflow)以下へ進んでください。
{% endtab %}

{% tab title="切り離し" %}
切り離しモードでは、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。切り離しモードでは、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といったクラウド接続機能は利用できず、独自のアクセス制御を実装する責任はあなたにあります。

Roboflowアカウントなしで自分のマシン上で実行するには、 [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を起動します（ `inference server start --dev`).

その後、 `localhost:9001/build` でローカルのWorkflows builderに移動し、紫色の「Create a Workflow」ボタンを使って空のワークフローを作成します。促された場合は、「Build My Own」を選択してください。
{% endtab %}
{% endtabs %}

これで空のワークフローができ、構築を始められる状態になりました。

![空のワークフロー](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、物体検出モデルのブロックを選択してください。

![モデルを選ぶ](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物体80クラスで学習済み）を使用できます。また、Roboflowアカウントを連携している場合は、微調整済みモデルや、 [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)

## ワークフローをテスト

モデルを追加したら、画像や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JSONで表現したものが含まれます。

![ワークフローをテスト](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ブロック下部の「+」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」は相性が良いです。

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

次に、見やすさのため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)

これでワークフローをテストすると、JSONに加えてレンダリングされた画像が表示されます。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。

![もう一度テスト](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、画像をより大きく表示することもできます。

![ビジュアルを見る](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」ボタンからアクセスできるクライアントコードスニペットを使って、このワークフロー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

シンプルなワークフローを作成し、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、より複雑で強力なワークフロー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/compare-models.md).