Python Tensorflow 2：序列化并解码时形状不匹配

我有一个a形张量（300256256）。 我想序列化以另存为tfrecord格式。 但我不能把它转换成相同形状的张量

A = tf.convert_to_tensor( *a numpy array with float32 type* )
B = tf.io.serialize_tensor(A)
C = tf.reshape(tf.io.decode_raw(B, out_type=tf.float32),[300,256,256])

如果我运行上面的代码，我会得到一个形状错误：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:Reformate的输入是一个具有19660806个值的张量，但请求的形状具有19660800[Op:Reformate]

---

当我序列化或解码时，似乎添加了6个浮点数。（非常奇怪）

尝试使用：

tf.io.parse\u tensor（）

，而不是

tf.io.decode\u raw（）

---

谢谢。当使用tf.io.parse_tensor（）时，我们发现不需要对其进行重塑。