使用Keras fit_generator训练后保存的模型无法正确给出预测

Question

我正在使用fit_generator来训练翻译模型。生成器代码添加在下面。

My_Generator（Sequence）类：

def __init__(self, X_data, Y_data, batch_size):
    self.X_data, self.Y_data = X_data, Y_data
    #print(X_data)
    self.batch_size = batch_size

def __len__(self):
    print(int(ceil(len(self.X_data) / float(self.batch_size))))
    return int(ceil(len(self.X_data) / float(self.batch_size)))

def __getitem__(self, idx):
    #print('hey')
    batch_x = self.X_data[idx * self.batch_size:(idx + 1) * self.batch_size]
    batch_y = self.Y_data[idx * self.batch_size:(idx + 1) * self.batch_size]
    hindi_data= encode_sequences(hin_tokenizer,batch_x,hin_max_len_sent)
    eng_data = encode_sequences(eng_tokenizer,batch_y,eng_max_len_sent)
    output = encode_output(eng_data,eng_vocab_size)

    return array(hindi_data),array(output)

我已经训练了30个纪元，分别给出了val_loss: 0.5665和val_acc: 0.9268。

预测代码：

  def predict_sequence(model, tokenizer, source):
     prediction = model.predict(source, verbose=0)[0]
     integers = [argmax(vector) for vector in prediction]
     target = list()
     for i in integers:
        word = word_for_id(i, tokenizer)
     print('target ' ,word)
     if word is None:
        break
     target.append(word)
     return ' '.join(target)

保存的模型未给出目标语言的正确预测。我的bleu值为0。我也尝试使用predict_generator。但这似乎也不起作用。在这方面的任何帮助表示赞赏。