K折交叉验证训练深度学习回归模型时Early stopping的val_loss未重置问题

核心错误原因 #

你将EarlyStopping和ModelCheckpoint两个回调的实例定义在了K折循环的外部，Keras的回调对象会在自身属性中保存所有运行状态：

• 早停回调会保存历史最优val_loss、剩余等待轮次计数
• 模型保存回调会保存历史最优val_loss、上次保存的权重文件记录

这些状态都是Python层面的实例属性，你调用的clear_session只会清空TensorFlow/Keras的计算图、模型权重、会话资源，完全不会改动回调实例的内部状态，所以新一折训练时会直接沿用之前折的最优val_loss做判断，才会出现第一轮就提示val_loss未优于历史最优的问题。

修复方法 #

将两个回调的实例化逻辑移动到K折循环内部，每折训练前生成全新的回调实例即可自动重置所有状态，同时建议给每折的权重文件设置独立命名，避免不同折的最优权重互相覆盖：

for k in range(0,5):
    keras.backend.clear_session()
    tf.keras.backend.clear_session()

    trainInputsAll, trainTargets, trainMeta, testInputsAll, testTargets, testMeta = merge_splits(inputsK, targetsK, metaK, k)
    
    # 原有数据预处理逻辑保持不变
    train_graphinput = graph_input[0:length_size_max,:,:]
    train_graphfeatureinput = graph_features[0:length_size_max,:,:]
    test_graphinput = graph_input[0:length_size_min,:,:]
    test_graphfeatureinput = graph_features[0:length_size_min,:,:]
    trainInputs, trainMaxes = normalize(trainInputsAll[:, :, :, :])
    testInputs, testMaxes = normalize(testInputsAll[:, :, :, :])

    model = build_model(testInputs[0].shape)
    
    # ===== 新增：每折重新实例化回调，重置所有状态 =====
    # 文件名加入折数标识，避免不同折权重覆盖
    model_checkpoint = keras.callbacks.ModelCheckpoint(f'models/graph_model_fold_{k}.h5', monitor='val_loss',verbose=1, save_best_only=True)
    es = keras.callbacks.EarlyStopping(patience=10, verbose=1, min_delta=0.001, monitor='val_loss', mode='min',baseline=None)
    
    print(model.summary())
    history = model.fit(x=[trainInputs, trainMaxes, train_graphinput,train_graphfeatureinput], 
                        y=targets_to_list(trainTargets),
                epochs=100, batch_size=30,
                validation_data=([testInputs, testMaxes,test_graphinput,test_graphfeatureinput], targets_to_list(testTargets)),verbose=0,callbacks=[model_checkpoint,es])
    
    # 加载当前折的最优权重
    model.load_weights(f'models/graph_model_fold_{k}.h5')
    # 后续评估逻辑保持不变

如果不需要保留每折的权重文件，也可以保持原文件名不变，只要保证每折重新实例化回调即可正常运行。

内容的提问来源于stack exchange，提问作者intStdu