pytorchでクロスバリデーションを行いたいが評価の値が変わらない

機械学習について最近勉強し始めたのですが、クロスバリデーションについて質問です。
トレーニングデータ60,000を48,000の訓練データ12,000のバリデーションデータに分けました。以下のコードで学習を進めてみたのですが、バリデーションのlossが変化しません。結果的にはトレーニングのlossを引き継いでいるようなlossが出ています。どのように変えればクロスバリデーションの学習が進むでしょうか？

pytorch
1def train(net, trainloader, NUM_EPOCHS):
2    train_loss = []
3    for epoch in range(NUM_EPOCHS):
4        running_loss = 0.0
5        for data in trainloader:
6            img, _ = data # we do not need the image labels
7            # add noise to the image data
8            img_noisy = img + NOISE_FACTOR * torch.randn(img.shape)
9            # clip to make the values fall between 0 and 1
10            img_noisy = np.clip(img_noisy, 0., 1.)
11            img_noisy = img_noisy.to(device)
12            optimizer.zero_grad()
13            outputs = net(img_noisy)
14            loss = criterion(outputs, img_noisy)
15            # backpropagation
16            loss.backward()
17            # update the parameters
18            optimizer.step()
19            running_loss += loss.item()
20        
21        loss = running_loss / len(trainloader)
22        train_loss.append(loss)
23        print('Epoch {} of {}, Train Loss: {:.3f}'.format(
24            epoch+1, NUM_EPOCHS, loss))  
25    return train_loss
26
27def val(net, valloader, NUM_EPOCHS):
28    val_loss = []
29    for epoch in range(NUM_EPOCHS):
30        running_loss = 0.0
31        for data in valloader:
32            img, _ = data # we do not need the image labels
33            img_noisy = img + NOISE_FACTOR * torch.randn(img.shape)
34            # clip to make the values fall between 0 and 1
35            img_noisy = np.clip(img_noisy, 0., 1.)
36            img_noisy = img_noisy.to(device)
37            outputs = net(img_noisy)
38            loss = criterion(outputs, img_noisy)
39            # update the parameters
40            running_loss += loss.item()
41        loss = running_loss / len(valloader)
42        print('Epoch {} of {}, Val Loss: {:.3f}'.format(
43            epoch+1, NUM_EPOCHS, loss))
44    return val_loss

lazykyama

2021/09/10 09:29

`train()` と `val()` それぞれの呼び出し側についても記載いただけますでしょうか？また「バリデーションのlossが変化しません。結果的にはトレーニングのlossを引き継いでいるようなlossが出ています。」とのことなのですが、具体的にどういう値になっているのか (e.g., 出力されたログメッセージ全体など) も追記いただけると、より具体的な回答ができるのではないかと思います。