当保存numpy数组后，再次加载时出现形状错误的问题通常是由于保存和加载数据时使用了不兼容的数据类型或形状导致的。下面是一些可能的解决方法：

1. 使用numpy.save和numpy.load函数来保存和加载数组。确保在保存和加载数据时使用相同的函数。

import numpy as np

# 保存数据
np.save('data.npy', my_array)

# 加载数据
loaded_array = np.load('data.npy')

2. 确保在保存和加载数据时使用相同的数据类型。可以使用astype方法将数据类型转换为一致的类型。

import numpy as np

# 保存数据
np.save('data.npy', my_array.astype(np.float64))

# 加载数据
loaded_array = np.load('data.npy')

3. 如果你的数组是多维的，确保在保存和加载数据时使用相同的形状。可以使用reshape方法来改变数组的形状。

import numpy as np

# 保存数据
np.save('data.npy', my_array.reshape((3, 4)))

# 加载数据
loaded_array = np.load('data.npy')

4. 如果以上方法都无效，可以尝试使用pickle模块来保存和加载numpy数组。pickle可以处理更复杂的数据类型。

import numpy as np
import pickle

# 保存数据
with open('data.pkl', 'wb') as f:
    pickle.dump(my_array, f)

# 加载数据
with open('data.pkl', 'rb') as f:
    loaded_array = pickle.load(f)

请根据你的具体情况选择适合你的解决方法。如果问题仍然存在，请提供更多的代码和错误信息以便更好地帮助你。