# 概要

### モデルハブとは？

**モデルハブ**は、基本的に**AIモデルの中央リポジトリです**

* モデルの**閲覧、ダウンロード、共有、バージョン管理**が可能です。
* モデルのトレーニング、微調整、デプロイのためのツールを提供します。

### どのように機能するのですか？

#### ステップ1. モデルカタログからベースモデルを選択 <a href="#contentify_0" id="contentify_0"></a>

* モデルを検索（例：`"Llama-3.2-1B"` NLP用、 `"Qwen2-VL-72B"` ビジョン用）。
* これらのモデルは既に汎用表現を学習済みです。

#### ステップ2. ファインチューニングを開始 <a href="#contentify_1" id="contentify_1"></a>

* 選択したモデルを使用して微調整を開始

#### ステップ3. ファインチューニング済みモデルをハブにプッシュ <a href="#contentify_2" id="contentify_2"></a>

* トレーニング後、ファインチューニングしたモデルをハブにアップロードします。
* 新しいバージョンIDが割り当てられ、共同作業者と共有できます（または非公開のままにできます）。

#### ステップ4. どこでも利用 <a href="#contentify_3" id="contentify_3"></a>

* 微調整後、SDKでモデルをダウンロードできます。
* これにより再現性と容易なデプロイメントが保証されます。

### なぜモデルハブなのか？

1. **モデルへの一元化されたアクセス**

* ハブがなければ、誰もが**GitHubリポジトリや無数のブログ、論文の中からモデルを探し回らなけ**
  \
  **ればなりません。**
* **Model Hub** は、以下のことができる**単一のカタログです：**
  * タスク別検索モデル (`text-classification`, `speech-to-text`, `image-segmentation`).
  * アーキテクチャとベンチマークを比較します。
  * たった1行のコードでモデルを再利用。

2. **再利用性と効率性**

* 大規模モデルを一からトレーニングするのは**コストがかかります**。
* ハブでは**事前学習済みチェックポイントを再利用できる**ため、微調整のみが必要となります。

3. **コラボレーションと共有**

* チームは**微調整済みモデルを**ハブに**プッシュ可能** → 他のチームメンバーは即座にプルできます。
* これはコードに対して有効です：バージョン管理、フォーク、コミュニティによる貢献。

4. **デプロイ準備完了**

* つまり、モデルがハブに配置されれば、以下のことが可能になります：
  * クラウドインフラストラクチャにデプロイする。
  * REST API経由で利用する。
  * サーバー管理なしでスケール。

5. **ガバナンスとバージョン管理**

* ハブはモデルの**異なるバージョン**を追跡します。
* 本番環境で使用されたチェックポイントが正確に把握できます（**MLOpsや監査**において重要です）。
* モデル&#x3092;**「公開」「非公開」「制限付き」**&#x3068;してマークできます。


---

# Agent Instructions: 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://ai-docs.fptcloud.com/ai-factory-guideline-jp/fpt-ai-studio/sbisu/moderuhabu/gai-yao.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.