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Python Tensorflow 2:序列化并解码时形状不匹配,python,numpy,tensorflow,tensorflow2.0,Python,Numpy,Tensorflow,Tensorflow2.0,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: tens
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。