下面是一个示例代码，你可以理解块在hdf5中是如何工作的，我以一种通用的方式开发了它，你可以根据你的需求修改它：

import h5py
import numpy as np

# Generate random data
bla = np.random.randint(0, 100, (1536, 2048, 11, 18, 2))

# Create the HDF5 file and dataset
with h5py.File('test.h5', 'w') as f:
    grp = f.create_group('Measurement 1')
    grp.create_dataset('data', data=bla, chunks=(768, 1024, 1, 1, 1))

# Open the HDF5 file
with h5py.File('test.h5', 'r') as hf:
    # Access the dataset
    ds_hf = hf['Measurement 1']['data']
    print(ds_hf)
    print(ds_hf.shape, ds_hf.dtype)

    # Iterate over the chunks
    for chunk_idx in np.ndindex(ds_hf.chunks):
        chunk = ds_hf[chunk_idx]
        # Process the chunk
        chunk_mean = np.mean(chunk)
        print(f"Chunk {chunk_idx}: Mean value = {chunk_mean}")

# Close the HDF5 file
hf.close()

字符串

块用于优化I/O性能。HDF 5（和h5 py）以分块的方式写/读数据（一次一个块）。这是在后台处理的，您不必担心分块机制。块大小/形状在创建数据集时定义，并且不能更改。如果您需要更改它，有HDF 5实用程序可以做到这一点。
在阅读数据时，你不必担心块大小（一般来说）。**更多细节见结尾处的评论。使用Numpy slice表示法读取所需的切片，h5 py/HDF 5将为您读取。您不必编写代码来一次读取一个块。
假设轴0是图像索引，下面的代码将读取每个图像数组到图像对象（作为numpy数组）。这比使用块对象要简单和干净得多。

with h5py.File('test.h5', 'r') as hf:
    ds_hf = hf['Measurement 1']['data'] # returns HDF5 dataset objects
    print(ds_hf.shape)
    for i in range(len(ds_hf.shape[0]):
        image = ds_hf[i] # this returns numpy array for image i

字符串
虽然您不必担心读写数据的块大小，但为您的使用设置适当的大小很重要。这个讨论超出了你的问题。您的尺寸适合您的应用程序。