优化器只是在调整模型的亮度，因此信息存储在模型中，而不是优化器中。

这意味着您不能以您可能认为的方式重置优化器。你需要重置(或者更容易，重新创建)你的模型。

这意味着你也可以用优化器A优化你的模型，在一些时期之后停止，并用优化器B继续优化你的模型，而不是失去优化器A已经准备好的进度。

我不知道和到底是做什么用的。但是因为这些是类的内部变量，所以有人需要了解/阅读优化器类本身并理解它的代码。在这里，我们需要等待更深入地研究keras源代码的人。

编辑

你可以重新创建你的优化器，例如：

使用上面的代码，您可以训练学习率为5的10个时期，使用新的优化器编译您的模型，然后继续学习速率为0.5的另外10个时期。如果你再次编译你的模型，你也可以称之为训练进度的权重不会丢失。