専用エンドポイント#

Ultralytics Platform では、世界中の42のリージョンにある専用エンドポイントへの YOLO モデルのデプロイが可能です。各エンドポイントは、スケール・ツー・ゼロ機能、固有のエンドポイント URL、および独立したモニタリングを備えたシングルテナントサービスです。

エンドポイントを作成#

デプロイ（Deploy）タブから#

モデルの Deploy タブからモデルをデプロイします:

1. モデルのページへ移動します
2. Deployタブをクリックします
3. 現在地からの実測レイテンシでソートされた世界地図とリージョンテーブルを確認します。
4. 使用するリージョンの行にある Deploy をクリックします。

デプロイは命名ステップなしで直ちに開始されます。名前はモデル名と地域の都市名から生成されます（例：yolo26n-iowa）。モデルには重み付けが必要であり、そうでない場合、タブには地域テーブルの代わりに空の状態が表示されます。

デプロイメント（Deployments）ページから#

サイドバーのグローバルな Deploy ページからデプロイを作成します:

1. New Deploymentをクリックします
2. 完了したモデルの一覧が表示されるモデルセレクターからモデルを選択します。
3. ミニマップまたはレイテンシテーブルから地域を選択します。
4. 自動生成されたデプロイ名を確認します。ここで編集できます。
5. Deploy Modelをクリックします

デプロイメントのライフサイクル#

stateDiagram-v2
    [*] --> Creating: Deploy
    Creating --> Deploying: Service starting
    Deploying --> Ready: Service URL published
    Ready --> Stopping: Stop
    Ready --> Deploying: Replace model
    Stopping --> Stopped: Stopped
    Stopped --> Deploying: Start
    Deploying --> Stopped: Start failed
    Ready --> [*]: Delete
    Stopped --> [*]: Delete
    Creating --> Failed: Error
    Deploying --> Failed: Error
    Failed --> [*]: Delete

    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff
    classDef extern fill:#607D8B,color:#fff
    class Creating,Deploying,Stopping proc
    class Ready out
    class Failed error
    class Stopped extern

Slack alerts を接続すると、デプロイの準備が完了したとき、または起動に失敗したときにメッセージを受信できます。

リージョン選択#

世界中の42の地域から選択可能です。インタラクティブな地域マップとテーブルには以下が表示されます。

• リージョンピン: レイテンシに応じて緑から赤のグラデーションで色分けされています（速いリージョンは緑色に近く、遅いリージョンは赤色に近くなります）
• デプロイ済み地域: テーブル内で「Deployed」バッジがハイライト表示されます。
• デプロイ中地域: ピンおよびテーブルの行にアニメーションのパルスインジケータが表示されます。
• 双方向ハイライト: 地図上でホバーすると対応する表の行がハイライトされ、その逆も同様です

モデルの Deploy タブにあるリージョンテーブルの内容:

テーブルは都市、国、ゾーンで検索可能であり、デフォルトではレイテンシ順にソートされます。

利用可能なリージョン#

エンドポイント設定#

新しいデプロイメント（New Deployment）ダイアログ#

New Deployment ダイアログでは、3つの入力情報を収集します。

名前の下にある読み取り専用の Resources パネルには、Custom resources coming soon バッジが表示されます。リソースは現在設定できません。すべてのエンドポイントは、アイドル時にゼロにスケールする単一のインスタンスとして実行されます。

デプロイタブ（クイックデプロイ）#

モデルの Deploy タブからのデプロイでは、ダイアログステップなしで、同じ固定リソースと自動生成された名前が使用されます。デプロイは作成中、地域テーブルの下にある Active Deployments リストに直ちに表示されます。

エンドポイントの管理#

ビューモード#

デプロイリストは以下の3つの表示モードをサポートしています：

デプロイカード（カード表示）#

カード表示における各デプロイカードには以下が表示されます：

• ヘッダー: 名前、地域のフラグ、ステータスバッジ、および現在のステータスで使用可能なアクションボタン（Ready の場合は置き換えと停止、Stopped の場合は開始、いつでも削除可能）
• Endpoint URL: エンドポイント自身のAPIリファレンスへのリンクが含まれる、コピー可能なURL
• Metrics: リクエスト数（24時間）、P95レイテンシ、エラー率、または「No traffic yet」
• ヘルスチェック: レイテンシと手動更新機能を備えたライブヘルスインジケーター
• Tabs: Logs、Code、および Predict
• フッター: デプロイにバインドされたAPIキーのプレフィックスと、準備完了となった日付
• ステータスメッセージ: デプロイが失敗した場合の障害理由

URL、メトリクス、ヘルスチェック、およびタブは、デプロイが Ready の間のみ表示されます。Logs タブには、重要度によるフィルタリング（All / Errors）付きの最近のログエントリが表示されます。Code タブには、エンドポイントURLを使用した Python、JavaScript、cURL でのすぐに使えるコード例と、ワークスペースオーナー向けのバインドされたAPIキーが表示されます（Monitoring を参照してください）。Predict タブには、デプロイ上で直接テストするためのインライン予測パネルが用意されています。

モデルの置換#

URLを変更せずに、準備完了状態のエンドポイントの背後にあるモデルを置換します：

1. デプロイをCardsビューで開きます
2. Replace modelをクリックします
3. 同じワークスペースから別の完了したモデルを選択します
4. 必要に応じてデプロイ名を編集します
5. Replace Modelをクリックします

現在のモデルは、置き換えが起動している間もサービングを継続します。置き換えの準備が完了すると、トラフィックは新しいモデルに移行します。デプロイID、URL、地域、およびAPIキーは変更されません。表示名は新しい名前を入力したときのみ変更されます。置き換えが失敗した場合、以前のモデルと名前がアクティブなままになります。

置き換えには以下のすべてが必要であり、そうでない場合は拒否されます。

• デプロイが Readyであり、進行中の他のライフサイクル操作がないこと
• 置き換えモデルに重みがあり、デプロイと同じワークスペースに属していること
• 置き換えモデルがすでにデプロイされているものではないこと

デプロイステータス#

エンドポイントURL#

各エンドポイントには固有のURLがあります。例：

https://predict-<deployment-id>-<hash>-<region>.a.run.app

コピーボタンをクリックしてURLをコピーします。ドキュメントアイコンをクリックして、エンドポイント独自のAPIリファレンスを開きます。エンドポイントは以下のパスを提供します。

ライフサイクル管理#

エンドポイントの状態を制御します：

graph LR
    R[Ready]:::out -->|Stop| S[Stopped]:::extern
    S -->|Start| R
    R -->|Delete| D[Deleted]:::error
    S -->|Delete| D

    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff
    classDef extern fill:#607D8B,color:#fff

エンドポイントの停止#

リクエストを受け付けたくない場合は、エンドポイントを停止します:

1. デプロイカードの一時停止アイコンをクリックします
2. エンドポイントステータスが「停止中」に変わり、その後「停止済み」になります

停止済みのエンドポイントは：

• リクエストを受け付けず、メトリクスやヘルスステータスを報告しない
• URL、地域、およびバインドされたAPIキーを維持し、いつでも再起動できる
• プランのデプロイクォータにカウントされ続ける。スロットを解放するにはエンドポイントを削除する

エンドポイントの削除#

エンドポイントを完全に削除します：

1. デプロイカードの削除（ゴミ箱）アイコンをクリックします
2. ダイアログで削除を確定します

デプロイは、そのモデルやプロジェクトが完全に削除された場合、あるいはゴミ箱に入ったモデルやプロジェクトが保持期間の終了に達した場合にも削除されます。

エンドポイントの使用#

認証#

各デプロイは、モデルを所有するワークスペースからの単一のAPIキーにバインドされます。リクエストに含めてください。

Authorization: Bearer YOUR_API_KEY

エンドポイントは作成時にバインドされたキーのみを受け入れるため、他のキーでは開きません。同じワークスペース内の別のアクティブなキーであっても開くことはできません。バインドされるキーを制御するには、ワークスペースオーナーのキーで認証されたAPI経由でデプロイします。その正確なキーがバインドされ、すでに手元にあります。他の方法（プラットフォームUI、またはチームメンバーとして認証されたAPI呼び出し）で作成されたデプロイは、所有するワークスペースのアクティブなキーの1つを自動的にバインドします。デプロイカードのフッターに表示されるキープレフィックスでそれを識別し、ワークスペースオーナーに値を確認してください（オーナーのみがキーの値を表示できるためです。API Keys を参照してください）。バインドされたキーを持たないチームメンバーでも、ブラウザ内のプラットフォーム予測プロキシを介して推論を実行できます。

ダイレクトエンドポイントリクエスト#

本番環境のリクエストを、デプロイカードに表示されているURLに直接送信します。これらのリクエストはプラットフォームAPIレートリミッターを通過しないため、1分あたり20リクエストの予測制限は適用されません。ただし、エンドポイントには独自の容量上限があります。

• 単一のインスタンスが各エンドポイントをサービングし、一度に処理できるリクエストの数には制限があります
• 迅速に処理できないリクエストは、Retry-After ヘッダー付きの 429 を返します
• 単一のリクエストは最長1時間実行可能であり、これにより動画推論を完了させることができます
• 1 KBを超えるレスポンスはgzip圧縮され、クロスオリジンブラウザリクエストが許可されます

リクエストの例#

import requests

# Deployment endpoint
url = "https://YOUR_DEPLOYMENT_URL.run.app/predict"

# Headers with your deployment API key
headers = {"Authorization": "Bearer YOUR_API_KEY"}

# Inference parameters
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

# Send image for inference
with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, data=data, files={"file": f})

print(response.json())

リクエストパラメータ#

bits が返される深度マップをどのように変更するか、およびそのデコード方法については、Depth responses を参照してください。

レスポンスフォーマット#

タスク固有のフィールドを持つshared inference と同様です。

よくある質問 (FAQ)#