Deep learning 在Google Colab中拆分用于训练和测试的文件

我已经在当地的jupyter笔记本电脑上成功地训练和测试了我的模型，但我想在Google Colab中尝试同样的代码，就像我想尝试其他昂贵的CNN模型一样。 谁能帮帮我这里怎么了。我已经从我的谷歌硬盘上传了我在谷歌Colab环境中的文件。在这里，我想从100个文件夹中分割文件，用于训练和测试，但每次我都会得到一个错误，即没有这样的文件或目录

folder = 'sample_data/firmasSINTESISmanuscritas'
number_of_users = 100
count_of_users = 0
for dir in os.listdir(folder):
print(dir)
filenames = [
    #os.path.join(os.path.dirname(os.path.abspath(__file__)), folder+'\\'+dir, i) for i in os.listdir(folder+'\\'+dir)
    os.path.join(folder+'\\'+dir, i) for i in os.listdir(folder+'\\'+dir)
]
filenames = filenames[:-1]

labels = [filename.__contains__('c-') for filename in filenames]
labels = np.array(labels, dtype=bool).astype(int).tolist()

x_train, x_test, y_train, y_test = train_test_split(filenames, labels, test_size=0.3, random_state=42)

filenames_train = filenames_train + x_train
filenames_test = filenames_test + x_test
Y_train = Y_train + y_train
Y_test = Y_test + y_test

count_of_users += 1
if number_of_users <= count_of_users:
    break
print('end')

[Error][1]

folder='sample\u data/firmasSINTESISmanuscritas'
用户数量=100
用户数=0
对于os.listdir（文件夹）中的目录：
打印（目录）
文件名=[
#os.path.join（os.path.dirname（os.path.abspath（\uu文件\uuu）），文件夹+'\\'+dir，i）表示os.listdir（文件夹+'\\'+dir）中的i
os.path.join（文件夹+'\\'+dir，i）代表os.listdir（文件夹+'\\'+dir）中的i
]
filenames=文件名[：-1]
labels=[filename.\uuuuu包含文件名中文件名的\uuuu（'c-'）]
labels=np.array（labels，dtype=bool.astype（int.tolist）（）
x\u序列，x\u测试，y\u序列，y\u测试=序列测试分割（文件名，标签，测试大小=0.3，随机状态=42）
filenames\u train=filenames\u train+x\u train
filenames\u test=filenames\u test+x\u test
Y_火车=Y_火车+Y_火车
Y_检验=Y_检验+Y_检验
用户总数+=1
如果用户数您是否已经将您的google驱动器安装到colab以访问这些文件？如果没有，请按照中提到的命令执行。
是的，我已经安装了它，并且我的数据集已从驱动器下载到工作空间。您可以在colab中共享您的目录结构吗？