Traceback (most recent call last): File "test.py", line 221, in <module> inference(args, net, test_save_path) File "test.py", line 85, in inference tp[cat] += ((prediction == cat) & (label == cat) & (label < NUM_CATEGORIES)).sum() ValueError: operands could not be broadcast together with shapes (256,256) (256,256,3)

根据错误信息，您的`label`的形状为（256，256，3），而`prediction`的形状为（256，256）。这意味着它们的形状不兼容，无法进行逐元素的计算。

要解决这个问题，您需要将`label`的形状从（256，256，3）转换为（256，256），以匹配`prediction`的形状。您可以使用`numpy.squeeze()`函数去掉`label`的最后一个维度，或者使用`numpy.sum()`函数对最后一个维度进行求和，以得到形状为（256，256）的数组。下面是两种方法的示例代码：

使用`numpy.squeeze()`函数：

import numpy as np

# 假设label是您的标签数组
label = np.random.rand(256, 256, 3)
label = np.squeeze(label) # 将3维去掉，转换为（256，256）的数组

使用`numpy.sum()`函数：

import numpy as np

# 假设label是您的标签数组
label = np.random.rand(256, 256, 3)
label = np.sum(label, axis=2) # 在最后一个维度上求和，得到（256，256）的数组

无论您使用哪种方法，将`label`的形状转换为（256，256）后，就可以与`prediction`的形状匹配并进行逐元素的计算。