至少在tensorflow 2.11版本中，有一个函数可以通过名字获取优化器并传递参数。https://www.tensorflow.org/api_docs/python/tf/keras/optimizers/get.
为了简短起见，下面是一个最小的用法示例：

# read in your config.json file
# KEYS NEED TO BE ADJUSTED TO MAKE THIS WORK CORRECTLY:
# { 
#   “identifier: “Adam”,
#   “learning_rate”: 0.01,
#   “grad_clip”: 0.5
# }

import tensorflow as tf
import json

with open('path/to/config.json', 'r') as f:
    opt_conf = json.load(f)

# define the model
model = tf.keras.Sequential()

# then create the optimizer using the data from opt_conf
optimizer = tf.keras.optimizers.get(**opt_conf)

# compile the model
model.compile(loss='categorical_crossentropy',
              optimizer=optimizer, 
              metrics=['mse'])

您可以使用一个类来构造优化器，如下所示：

class Optimizer:
    def __init__(self, lr, clip):
        self.lr=lr
        self.clip = clip

    def get_opt(self, opt):
        """Dispatch method"""
        method_name = 'opt_' + str(opt)
        # Get the method from 'self'. Default to a lambda.
        method = getattr(self, method_name, lambda: "Invalid optimizier")
        # Call the method as we return it
        return method()

    def opt_Adam(self):
        return optimizers.Adam(lr=self.lr, clipvalue=self.clip)

    def opt_example(self):
        return  optimizers.example(lr=self.lr, clipvalue=self.clip)

    #and so on for how many cases you would need

那么你可以称之为

a=Optimizer(lr, clip)
model.compile(loss='categorical_crossentropy',
              optimizer=a.get_opt(opt=opt), 
              metrics=['mse'])

您可以初始化包含优化器初始化的json配置文件：例如：

"Adam": {
    "lr":0.001, 
    "beta_1":0.9, 
    "beta_2":0.999, 
    "epsilon":None, 
    "decay":0.0, 
    "amsgrad":False
    }

然后，您可以使用以下代码行从配置中解析它：

with open('configuration.json') as json_data_file:
    data = json.load(json_data_file)

在数据结构中，您将找到优化器的参数设置：

optimizer = data["Adam"]

毕竟，您可以访问所选优化器的所有参数：

lr = data["lr"]
beta_1 = data["beta_1"]
etc...

另一种方法是仅使用配置文件访问优化程序的配置。使用Keras，您可以使用优化程序调度程序，使用从配置文件中选择的特定优化程序来编译神经网络：

optimizer= {"Adam": keras.optimizers.Adam(**config}

请记住keras优化器的名称应该与配置文件中的名称相同。

确保您的csl对象（配置对象）的键实际上与这些类的参数匹配，然后，下面的代码将创建优化器对象，从配置对象中搜索适当的参数，并将它们传递给它

csl = { "opt": "Adam",
  "lr": 0.01,
   "grad_clip": 0.5}
optimizer = eval(f"keras.optimizers.{csl["opt"]}")()
optimizer = optimizer.from_config({k:v for k,v in csl.items() if hasattr(optimizer, k)})