从你的描述和代码来看，问题可能出在on_epoch_end()函数被多次调用。为了解决这个问题，你可以尝试使用tf.keras.callbacks.Callback类来自定义一个回调函数，确保on_epoch_end()只被调用一次。以下是一个示例：

import tensorflow as tf

class CustomCallback(tf.keras.callbacks.Callback):
    def __init__(self):
        super(CustomCallback, self).__init__()
        self.epoch_counter = 0

    def on_epoch_end(self, epoch, logs=None):
        if self.epoch_counter == 0:
            # 在这里更新你的参数
            print("更新参数")
            self.epoch_counter += 1
        else:
            pass

# 在模型训练时添加自定义回调

model.fit(train_data, epochs=10, callbacks=[CustomCallback()])

这个示例中，我们创建了一个名为CustomCallback的自定义回调类，它继承自tf.keras.callbacks.Callback。在on_epoch_end()方法中，我们检查self.epoch_counter是否为0,如果是，则执行更新参数的操作，并将self.epoch_counter加1。这样可以确保on_epoch_end()只在每个epoch开始时被调用一次。