使用TensorFlow时相关系数继续增加

Question

我正在创建一个循环，在该循环中，在每次迭代过程中，神经网络都将具有随机训练和测试集，并在预测和测试集之间计算相关系数。我要保存最大相关系数，如下所示。

model = Sequential()
model.add(Dense(10, input_dim=cols, kernel_initializer='normal', activation='relu'))
model.add(Dense(1, kernel_initializer='normal'))

# Compile model
model.compile(loss='mse', optimizer='adam')
early_stop = EarlyStopping(monitor='val_loss', patience=20)
r_value_max = 0
train_samples_max = []
for i in range(0,1000):

    X_train, X_test, y_train, y_test = train_test_split(inputs, outputs, train_size=11)

    model.fit(X_train, y_train, epochs=100, batch_size=10,  verbose=0, validation_split=0.2,  callbacks=[early_stop])

    ynew = model.predict(X_test)
    tf.keras.backend.clear_session()

    slope, intercept, r_value, p_value, std_err = stats.linregress(ynew[:,0],y_test)
    print(r_value)
    print(i)
    if (r_value > r_value_max):
        r_value_max = r_value
        train_samples_max = X_train

print(r_value_max)
print(train_samples_max)

当我运行此循环时，r_value似乎随着每次迭代而稳步增加，我不确定为什么会这样。我尝试将模型创建放入循环中，并在每次迭代后删除模型，但这没有用。

谢谢。