> 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/depuroi/deploy-a-workflow.md). # 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方法は4つあります: 1. 画像を送信します。 [Roboflow API](#process-images) で、ワークフローを使って処理します。 2. を作成します。 [Roboflow 専用デプロイ](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) を、あなた専用に用意されたインフラ上で利用します。 3. あなた自身のハードウェアでワークフローを実行します。 [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted). 4. を使用します。 [バッチ処理](https://docs.roboflow.com/deployment/roboflow-cloud/batch-processing) を使って、コーディングコストを抑えながら大量のデータを効率的に処理します。 ### どの विकल्पを使うべきですか? | オプション | 最適な用途 | | -------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | **HTTP API** (Roboflow ホスト型、またはセルフホストの `推論` サーバー) | Python 以外の言語でアプリケーションを動かしたい場合、あるいは計算負荷の高い処理を専用サーバーにオフロードしたい場合に、ワークフローをスタンドアロンのサービスとして使います。 | | [**WebRTC ストリーミング**](/workflows/ja/depuroi/video-processing.md) | Serverless またはセルフホストの Inference Server 上のワークフローを通じて、動画ファイル、Webカメラ、カメラストリームを処理します。 | | [**`inference-cli`**](https://docs.roboflow.com/reference/inference/inference-cli/workflows) | コマンドラインから、画像・ディレクトリ・動画ファイルをコードなしで処理します。 | | [**バッチ処理**](https://docs.roboflow.com/deployment/roboflow-cloud/batch-processing) | 保存済みの画像や動画に対する大規模な非同期ジョブを、あなた向けに用意されたインフラで実行します。 | | **`推論` Python パッケージ** | Execution Engine を Python アプリケーション内で直接実行し、HTTP を介さずに完全に制御できます。 [Execution Engine](/workflows/ja/gaido/developer-guide/execution-engine.md#running-the-execution-engine-in-python). | {% hint style="warning" %} Roboflow のホスト型 API でワークフローを実行する場合、次の 2 つの制限に注意する必要があります: * ワークフローの実行時間は 20 秒に制限されています。 * レスポンスのペイロードは 6 MB に制限されているため、可視化ブロックが多いワークフローや入力画像が大きいワークフローは失敗することがあります。 セルフホストおよび専用デプロイには、これらの制限はありません。 {% endhint %} ワークフローを自分のハードウェアで実行する場合、画像と動画ファイルの両方で実行できます（通常の **Webカメラ** や業務用 **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上でワークフローを実行できます。これには次が含まれます: * NVIDIA Jetson * AWS EC2、GCP Cloud Engine、Azure Virtual Machines * Raspberry Pi {% 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 %} ### 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ます。 スニペットは、エディタが実行しているランタイムに一致します。エディタをローカルの Inference サーバーまたは [専用デプロイ](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments)に切り替えると、 `api_url` は各スニペット内でそのサーバーを指し、対応するタブには推奨と表示されます。また、スニペットには保存済みの Workflow プレビューに画像がある場合、その画像の例も入力されます。 {% hint style="info" %} Workflows の利用制限の詳細については、 [Roboflow の料金ページ](https://roboflow.com/workflows). {% endhint %} #### 画像を処理する Roboflow API またはローカルの 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: ```bash pip install inference-sdk inference-cli ``` ローカルで実行する場合は、 [公式の Docker インストール手順](https://docs.docker.com/get-docker/) 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、次のコードを追加します: ```python from inference_sdk import InferenceHTTPClient, InferenceConfiguration 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" ).configure(InferenceConfiguration(api_key_transport="header")) result = client.run_workflow( workspace_name="workspace-name", workflow_id="workflow-id", images={ "image": "YOUR_IMAGE.jpg" } ) ``` 上記では、 `API_KEY` をあなたの Roboflow API キーに置き換えてください。 `workspace-name` と `workflow-id` をあなたの Roboflow ワークスペース名と Workflow ID に置き換えます。 これらの値を見つけるには、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 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。 エンドポイントをどの言語からでも直接呼び出したい場合は、HTTP リクエストを送信します: ```bash curl --location 'https://serverless.roboflow.com/infer/workflows//' \ --header 'Content-Type: application/json' \ --header 'Authorization: Bearer ' \ --data '{ "inputs": { "image": {"type": "url", "value": "https://your-image-url"}, "parameter": "some-value" } }' ``` {% hint style="info" %} キーを `?api_key=` クエリパラメータとして送信するか、 `api_key` ボディフィールドとして送る方法は旧方式です。まだ動作しますが、 `Authorization: Bearer` ヘッダーを使えば、キーが URL やログに残りません。 [REST API で認証する](https://docs.roboflow.com/reference/platform/rest-api/authenticate-with-the-rest-api). {% endhint %} この `inputs` オブジェクトのキーはワークフローによって決まるため、定義した入力内容に応じて名前が異なります。 `WorkflowImage` として宣言された入力は、 `type` と `value` キーを持つオブジェクトを受け取ります。HTTP 経由でサポートされる `type` 値は `url` と `base64`. 上記の例では、Roboflow プラットフォームに保存されたワークフローを実行しています。リクエストと一緒に完全なワークフロー定義を送ることもでき、API キーで保護されたブロックを使わずにゼロから作成したワークフローに便利です。 [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk/workflows) の `仕様` 引数を参照してください。 #### 動画ストリームを処理する Inference SDK の WebRTC クライアントを使って、Webカメラ、RTSP ストリーム、または動画ファイル上でワークフローを実行します。同じコードは Serverless とセルフホストの Inference Server の両方で動作します。 WebRTC 依存関係込みで SDK をインストールします: ``` pip install "inference-sdk[webrtc]" ``` セルフホストの Inference Server を起動するか、 `https://serverless.roboflow.com` を使ってサーバーを起動せずに実行します。次に Python ファイルを作成します: ```python from inference_sdk import InferenceHTTPClient, InferenceConfiguration from inference_sdk.webrtc import StreamConfig, WebcamSource client = InferenceHTTPClient( api_url="https://serverless.roboflow.com", # または "http://localhost:9001" api_key="API_KEY", ).configure(InferenceConfiguration(api_key_transport="header")) session = client.webrtc.stream( source=WebcamSource(), workflow="workflow-id", workspace="workspace-name", config=StreamConfig(data_output=["predictions"]), ) @session.on_data("predictions") def handle_predictions(predictions, metadata): print(predictions) session.run() ``` 上記では、 `API_KEY` をあなたの Roboflow API キーに置き換えてください。 `workspace-name` と `workflow-id` をあなたの Roboflow ワークスペース名と Workflow ID に置き換えます。 これらの値を見つけるには、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ワークスペース名と workflow ID をコピーしてください。 変更します `WebcamSource()` を、動画がローカルの Web カメラ由来でない場合は別のソースに。 [Workflows による動画処理](/workflows/ja/depuroi/video-processing.md) を参照してください。RTSP ストリーム、動画ファイル、出力動画について説明しています。 #### データのバッチを処理する Roboflow のバッチ処理サービスを使えば、画像や動画ファイルのディレクトリといったデータ全体のバッチを効率的に処理できます。このフルマネージドなソリューションでは、コーディングやローカル計算は不要です。データとワークフローを選ぶだけで、あとは Roboflow に任せられます。 バッチ処理では UI、CLI、REST API のいずれの操作もサポートしています。以下では CLI コマンドを紹介します。 [すべてのオプションを確認してください](https://docs.roboflow.com/deployment/roboflow-cloud/batch-processing#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 \ --batch-id ``` データが読み込まれたら、処理ジョブを開始します: ``` inference rf-cloud batch-processing process-images-with-workflow \ --workflow-id \ --batch-id ``` ジョブの進行状況は次のように表示できます: ``` inference rf-cloud batch-processing show-job-details \ --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 \ --batch-id ``` #### CLI でローカルディレクトリを処理する すでに実行中のマシン上にあるデータについては、 `inference-cli` コードなしで、単一画像、画像ディレクトリ、または動画ファイルに対してワークフローを実行できます: ```bash pip install inference-cli ``` ```bash inference workflows process-images-directory \ -i {your_input_directory} \ -o {your_output_directory} \ --workspace_name {your-roboflow-workspace-url} \ --workflow_id {your-workflow-id} \ --api-key {your_roboflow_api_key} ``` 出力ディレクトリには、入力ファイルごとのサブディレクトリが1つずつ作成され、それぞれに `results.json` そのファイルの Workflow 結果と実行中に生成された画像が含まれるファイル、および `aggregated_results.csv` すべての入力結果を連結したファイルが含まれます。 を参照してください。 [Inference CLI リファレンス](https://docs.roboflow.com/reference/inference/inference-cli/workflows) で、すべてのオプションを確認できます。 ## 次のステップ * Execution Engine を自分の Python アプリケーション内で直接実行します: [開発者ガイド](/workflows/ja/gaido/developer-guide.md). * ワークフローが返す結果の形を理解します: [ワークフローの実行](/workflows/ja/gaido/developer-guide/workflow-execution.md#output-construction).