我尝试加载一个LSTM模型（由Keras创建），使用以下命令保存模型：

    model_json = model.to_json()    with open("model.json", "w") as json_file:    json_file.write(model_json)

然后使用以下命令加载模型：

json_file = open('model.json', 'r')loaded_model_json = json_file.read()json_file.close()loaded_model = model_from_json(loaded_model_json)

并尝试通过以下命令打印学习率和其他超参数：

loaded_model.summary()

我接收到了关于LSTM结构的所有信息，但没有接收到学习率等超参数的信息。

回答：

学习率是模型优化器的一个参数，不包含在model.summary()的输出中。如果你想找到学习率的值，可以使用模型的optimizer属性，并使用K.eval()来评估学习率张量并获取其实际值：

print(K.eval(model.optimizer.lr))

更新：当你使用to_json方法时，模型的优化器不会被保存，因此上述解决方案不起作用。如果你想保存整个模型，包括层的权重以及优化器（连同其状态），你可以使用save方法：

model.save('my_model.h5')

然后你可以使用load_model加载它：

from keras.models import load_modelmodel = load_model('my_model.h5')

或者，如果你使用了save_weights方法（保存层的权重）以及to_json方法（仅保存模型的架构），那么在使用model_from_json加载模型后，你可以重新加载权重：

# 从json文件加载模型架构 ...# 加载权重model.load_weights('model_weights.h5')

然而，在第二种方法中，优化器没有被保存，因此你需要重新编译模型（请注意，这意味着优化器的状态丢失，因此你可能无法轻易地继续训练模型，除非你首先配置优化器；然而，如果你只想使用模型进行预测或从头开始重新训练模型，这是可以的）。

我强烈推荐阅读Keras常见问题解答中的相关部分：如何保存Keras模型？