Roboflow Universe是一个为计算机视觉领域提供服务的平台，它拥有世界上最大的开源计算机视觉数据集、预训练模型和计算机视觉模型API。在这里，用户可以测试预训练的YOLOv8目标检测模型，并通过Roboflow Python包、托管推理API以及roboflow.js在浏览器和摄像头上部署这些模型。
在Roboflow Universe中，带有yolov8n、yolov8s或yolov8标签的数据集都包含了预训练的YOLOv8模型权重。用户可以使用搜索栏来定位特定版本的模型。例如，面部检测数据集和训练有素的YOLOv8s模型，以及建筑工地安全数据集和训练有素的YOLOv8模型，都在概览页面上注明了预训练模型权重的存在。
通过点击数据集上的yolov8n、yolov8s或yolov8卡片，可以搜索到所有带有可用YOLOv8n或YOLOv8s模型权重的Roboflow Universe中的模型。例如，建筑工地安全目标检测数据集和预训练模型由Roboflow Universe项目创建，包含717张开源建筑工地图像，以及一个预训练的建筑工地安全模型和API。
在模型页面上，用户可以直接在浏览器中测试模型，下载数据集，并将模型部署到所选的目标设备上，同时提供可用的预编写代码。例如，可以测试一个模型，通过从数据集的测试集中选择一张可用的图片；上传自己的图片或视频；上传一个YouTube视频链接；或者使用摄像头进行实时推理。
模型标签页还提供了使用预填充的代码片段部署YOLOv8模型的选项，这样用户可以立即部署一个模型，并开始在计算机视觉流程中使用预测。YOLOv8模型和API在Roboflow Universe上可供生产应用程序使用，包括通过API自动化数据标注、与社区共享模型性能、在Roboflow Annotate中进行模型辅助标注等。
// 示例代码：使用Roboflow Python包部署YOLOv8模型
from roboflow import Roboflow
model = Roboflow("your_project_name", "your_model_name")
results = model.predict("path_to_your_image.jpg")
print(results)