使用python写一段代码，使用ultralytics的yolov8训练好的.pt模型对文件夹里的图像进行推理，按不同类别推理结果将图像复制到不同类别命名的文件夹中

你可以使用Ultralytics YOLOv8库，它提供了一个方便的接口来进行目标检测。首先，你需要安装必要的库并下载预训练的模型。以下是使用Python的基本步骤：

# 首先，确保已经安装了torch、yolov5和其他依赖项
!pip install torch ultralytics[yolov8]

import os
from pathlib import Path
import torch

# 加载预训练的.pt模型
model = torch.hub.load('ultralytics/yolov8', 'yolov8', path='your_model_path')  # 替换为你的模型路径

# 定义源目录和目标分类目录
source_dir = 'path_to_your_images_directory'
target_dirs = ['class1_folder', 'class2_folder', ...]  # 根据需要创建的目标类别

# 遍历源目录
for img_path in Path(source_dir).iterdir():
    if img_path.is_file() and img_path.suffix.lower() in ['.jpg', '.jpeg', '.png']:
        # 进行推理
        results = model(img_path)

        # 获取预测的类别
        class_name = results.names[results.pred.argmax()]

        # 创建或检查目标类别目录是否存在
        target_class_dir = source_dir / target_dirs[class_name]
        if not os.path.exists(target_class_dir):
            os.makedirs(target_class_dir)

        # 将图片复制到相应的类别目录下
        new_img_path = target_class_dir / img_path.name
        img_path.replace(new_img_path)