[python]kerasでの画像認識の処理が進まない．

Question

前提・実現したいこと

kerasを用いて2入力のCNNを実装したいと考えています．

発生している問題

エラーなどは表示されないのですが，Epoch数が表示されてから一向に処理が進みません．（https://teratail.com/questions/91452 で取り扱われている問題とほぼ同じ状況ですが，こちらは1エポック目すら始まらず，下の四角内の表示から一切動きません．）エラーメッセージも出ないのでどこを調べたらよいかもわからず詰まってしまいました．考えられる問題はどのようなものがあるでしょうか？

Epoch 1/100

該当のソースコード

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os
import pathlib
from keras.models import Sequential, load_model, Model
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.layers.core import Activation, Flatten, Dense, Dropout
from keras.layers import concatenate
from keras.optimizers import Adam, Adagrad, RMSprop, SGD
from keras.utils.np_utils import to_categorical
from keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau, TensorBoard
from keras.datasets import cifar10

class ImageDataGenerator(object):
    def __init__(self):
        self.reset()

    def reset(self):
        self.images1 = []
        self.images2 = []
        self.labels = []

    def flow_from_directory(self, directory_pcm ,directory_paf, classes, batch_size=32):
        classes = {v: i for i, v in enumerate(sorted(classes))}
        while True:
            for path_pcm in pathlib.Path(directory_pcm).iterdir():
                self.images1 = (np.load(path_pcm))
                self.images2 = (np.load(os.path.join(directory_paf,os.path.basename(path_pcm))))                
                _, y = path_pcm.stem.split('_')
                self.labels.append(to_categorical(classes[y], len(classes)))
　
                if len(self.images1) == batch_size:
                    inputs1 = np.asarray(self.images1)
                    inputs2 = np.asarray(self.images2)
                    inputs1 = inputs1.reshape(1,64,64,19).astype("float32")
                    inputs2 = inputs2.reshape(1,64,64,38).astype("float32")
                    targets = np.asarray(self.labels)
                    self.reset()
                    yield [inputs1, inputs2], targets

batch_size=10
epochs=100

model1 = Sequential()
model2 = Sequential()

model1.add(Conv2D(64,kernel_size=5,padding='same',activation='relu',input_shape=(64,64,19)))
model2.add(Conv2D(64,kernel_size=5,padding='same',activation='relu',input_shape=(64,64,38)))

model1.add(Conv2D(64,kernel_size=5,activation='relu'))
model2.add(Conv2D(64,kernel_size=5,activation='relu'))

model1.add(MaxPooling2D(pool_size=(2,2)))
model2.add(MaxPooling2D(pool_size=(2,2)))

model1.add(Dropout(0.2))
model2.add(Dropout(0.2))

model1.add(Flatten())
model2.add(Flatten())
           
model1.add(Dense(256,activation='relu'))
model2.add(Dense(256,activation='relu'))

merged = concatenate([model1.output,model2.output])
output = Dense(1,activation='sigmoid')(merged)

model = Model([model1.input,model2.input],output)

optimizer = Adam(lr = 0.001)
model.compile(
    optimizer = optimizer,
    loss = "binary_crossentropy",
    metrics = ["accuracy"]
)

early_stopping = EarlyStopping(
    monitor='val_loss',
    patience=10,
    verbose=1
)

weights_dir = './weights/'
if os.path.exists(weights_dir) == False:os.mkdir(weights_dir)
model_checkpoint = ModelCheckpoint(
    weights_dir + "val_loss{val_loss:.3f}.hdf5",
    monitor = 'val_loss',
    verbose = 1,
    save_best_only = True,
    save_weights_only = True,
    period = 3
)

reduce_lr = ReduceLROnPlateau(
    monitor = 'val_loss',
    factor = 0.1,
    patience = 3,
    verbose = 1
)

logging = TensorBoard(log_dir = "log/")

pcm_train = pathlib.Path('dataset/pcm_train2/')
paf_train = pathlib.Path('dataset/paf_train2/')
train_datagen = ImageDataGenerator()
classes = ['0', '1']

model.fit_generator(
    generator=train_datagen.flow_from_directory(pcm_train, paf_train, classes),
    steps_per_epoch=int(np.ceil(len(list(pcm_train.iterdir()))/ batch_size)),
    epochs=epochs,
    verbose=1)

試したこと

・トレーニングデータの正規化
・fit_generatorに与える引数のうちsteps_per_epochが(トレーニングデータの長さ)//(バッチサイズ)になっているかの確認

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。