Google Drive云端硬盘在中国大陆能正常使用吗？

Posted 2023-04-28

不能正常使用。

由于Googledrive和GoogleDocs的整合，以及GoogleDocs过去被中国屏蔽，中国用户将很难访问Googledrive。要正常使用谷歌硬盘云硬盘，需要使用加速器切换到美国节点正常使用。

切换节点的方法如下：

1、可以百度搜索一款软件，下载安装即可。

2、在安装和操作之后，注册已登录并选择U．S．节点连接。（新用户开始是免费的）

3、此时，可以打开Googledrive和其他与Google相关的服务。

扩展资料：

GoogleDrive的优点：

1、从任意地点访问。

简而言之，可以使用任何Internet设备访问文件（PC、手机、平板电脑等）。优点是可以随时随地查看和管理上传到谷歌硬盘的数据。例如，带来的业务文档、公司章程和任务要求。如果忘记了，可以随时访问并编辑。

2、安全存储文件。

将个人或企业数据上传到云硬盘。对数据传输过程进行加密以保证安全性。当设备因意外故障意外格式化重要数据，如客户信息、联系人信息、公司机密文件等时，如果文件以前已同步到Google drive，只要登陆到该帐户，就可以将丢失的文件从Google drive返回到设备，从而进行安全备份数据的作用。

3、共享与协作。

用户间上传文件的共享与协同管理。例如，公司文件需要全体员工的共同努力，共同编辑和完善文件。然后，通过同步到Googledrive并设置授权，可以指定要由团队共享的文件，以便授权人员可以参与文件的编辑和改进，还可以在网上留下评论和讨论。

参考资料来源：百度百科-Google Drive

参考技术A

不能正常使用。

由于Google Drive和Google Docs进行了整合，而Google Docs早先已经被中国屏蔽了，因此中国用户访问Google Drive会出现一定困难。

想要正常使用Google Drive云端硬盘就需要用加速器来切换至美国节点才能正常使用。

切换节点的方法如下：

1、可以到百度搜索一款代/理/工/具，下载安装即可。

2、安装运行后，注册登陆选择美国节点连接。（新用户开始都是免费使用的）

3、这个时候你就可以打开Google Drive以及谷歌其他相关服务了。

扩展资料：

Google Drive的优点:

1、从任意地点访问。

简单讲，其实是可用任意上网设备来访问文件（用PC、手机、平板等）。这样好处是，你可以随时随地查看和管理你上传到Google Drive的数据资料。比如你带着的商业文件，公司章程，任务要求这类，如果忘记了，随时可以访问，并且编辑。

2、安全存储文件。

把个人或者企业的资料上传到云端硬盘，数据传输过程经过加密算法，保证安全不会泄露。

当你的设备因为意外故障，不小心格式了客户资料，联系人信息，公司机密文件等等重要数据的时候，如果你的文件已经在之前同步到Google Drive上，那么只要登录账号，就能够从Google Drive里返回丢失的文件到设备，从而起到了数据的安全备份作用。

3、共享与协作。

对上传文件进行用户间共享与协作管理。比如公司文档需要全体人员的群策群力，来对文件进行共同地编辑和改进。那么通过同步到Google Drive，并设置授权，就可以指定该文件成为团队的共享资料，从而让经过授权的人员都可以参与文件的编辑和改进，并且还可以在线留言讨论。

参考资料来源：百度百科-Google Drive

参考技术B 目前是不正常访问，需要通过代理，而且速度也会不尽人意，达不到网盘的储存效果。
相对于网盘基础的储存功能来讲，目前同步网盘是发展的趋势和潮流，国外的Dropbox，国内也有坚果云，可以随时随地自动保存文件，实时同步到各个客户端，不怕文件丢失，电脑储存的文件立刻就出现在手机app端。 参考技术C

可能会出现无法登录的问题

解决方法：

1.可以到百度搜索一款代/理/工/具，下载安装即可。

2.安装运行后，登陆选择美国节点连接。

3.连接成功后，可以打开百度查下本地IP是不是在美国！

4.这个时候你就可以打开Google drive了以及谷歌其他相关服务了，Gmail也能快速打开了！

关于Google drive 

中文名为“Google 云端硬盘”。是谷歌公司推出的一项在线云存储服务，通过这项服务，用户可以获得15GB的免费存储空间。

支持各种类型的文件，用户可以通过Google Drive进行创建、分享、协作各种类型的文件，包括视频、照片、文档、PDF等。

用户可以与任何人共享文件或文件夹，并选择分享对象是否可以对用户的文件进行查看、编辑或发表评论。同时还整合了Google的多项服务，例如Gmail、Google+等。

参考技术D

不能，不过你可以重新设置。

1、首先用记事本打开C:\\windows\\system32\\drives\\etc目录下的hosts文件

2、然后在该文件最后添加下列两行内容   drive.google.com      74.125.71.94 drive.google.com

3、在保存之后，再重新打开浏览器。输入https://drive.google.com 就可以正常访问了。

Google Colab 无法访问云端硬盘内容

【中文标题】Google Colab 无法访问云端硬盘内容

【英文标题】：Google Colab can't access drive content

【发布时间】：2019-06-13 14:39:32

【问题描述】：

即使我将我的 Google Drive（以及其中的数据集）定义为 google colab，但是当我运行我的代码时，我给出了这个错误：FileNotFoundError: [Errno 2] No such file or directory: 'content/drive/My Drive /....

我已经在 google colab 中定义了 google drive，我可以通过 google colab 访问它，但是当我运行我的代码时，我给出了这个错误

from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
model=Sequential()
model.add(Convolution2D(32,3,3,input_shape=(64,64,3),activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(32,3,3,activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(output_dim=128,activation='relu'))
model.add(Dense(output_dim=1,activation='sigmoid'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])

from keras.preprocessing.image import ImageDataGenerator
train_datagen=ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)
test_datagen=ImageDataGenerator(rescale=1./255)

training_set=train_datagen.flow_from_directory(
    directory='content/drive/My Drive/Convolutional_Neural_Networks/dataset/training_set',
    target_size=(64,64),
    batch_size=32,
    class_mode='binary')
test_set=test_datagen.flow_from_directory(
    directory='content/drive/My Drive/Convolutional_Neural_Networks/dataset/test_set',
    target_size=(64,64),
    batch_size=32,
    class_mode='binary')

#train
model.fit_generator(
    training_set,
    samples_per_epoch=8000,
    nb_epoch=2,
    validation_data=test_set,
    nb_val_samples=1000)

import numpy as np
from keras.preprocessing import image
test_image=image.load_img('sunn.jpg',target_size=(64,64))
test_image=image.img_to_array(test_image)
test_image=np.expand_dims(test_image,axis=0)
result=model.predict(test_image)
training_set.class_indices
if result[0][0] >= 0.5:
    prediction='dog'
else:
    prediction='cat'
print(prediction)

【参考方案1】：

挂载后，进入数据集文件夹。

cd content/drive/My Drive/Convolutional_Neural_Networks/dataset/

不要使用 !。 然后将你的目录设置为./training_set

【讨论】：

您能解释一下为什么会这样吗？我想 ！为了执行 cd 之类的 bash 命令是必要的？

我遇到了同样的问题，所以尝试删除 !这有效。如果你注意到了，你只能在一个单元格中放上 bash 命令。我相信这就是 colab 的 jupyter notebook 的工作原理。

是的，您可以在每个单元格中使用一个 bash 命令，而无需使用 !。

【参考方案2】：

我认为您在 /content/drive... 路径中缺少前导 /。

通常通过以下方式挂载您的云端硬盘文件

from google.colab import drive
drive.mount('/content/drive')

https://colab.research.google.com/notebooks/io.ipynb#scrollTo=u22w3BFiOveA

【参考方案3】：

我一直在尝试，对于那些好奇的人来说，我无法将目录中的流与谷歌驱动器内的文件夹一起使用。协作文件环境不读取路径并给出“文件夹不存在”错误。我一直在尝试解决问题并搜索堆栈，类似的问题已发布在这里 Google collaborative 和这里 Deep learnin on Google Colab: loading large image dataset is very long, how to accelerate the process? ，没有有效的解决方案，出于某种原因，许多人对提出问题的人投了反对票。

我发现在 google colab 中读取 20k 张图片的唯一解决方案是上传它们然后处理它们，这样做浪费了两个可悲的小时。这是有道理的，谷歌用 ids 识别驱动器内的东西，从目录流要求它同时识别数据集和具有文件夹绝对路径的类，与谷歌驱动器识别方法不兼容。替代方案可能是使用谷歌云环境而不是我想并付费。我们免费获得了很多。这是我新手对情况的理解，如有错误请指正。

edit1：我能够在 google collab 上使用目录中的流，google 确实也使用路径识别事物，问题是如果你使用 os.getcwd()，它不能正常工作，如果你使用它会告诉您当前工作目录是“/content”，而实际上是“/content/drive/My Drive/foldersinsideyourdrive/...../folderthathasyourcollabnotebook/。如果您在 traingenerator 中更改路径，使其包含这个设置，并忽略操作系统，它可以工作。但是，即使使用目录中的流，内存也有问题，无论如何都无法训练我的 cnn，但可能只是发生在我身上。

【参考方案4】：

从 google.colab 导入驱动器 drive.mount('/content/drive')

使用上面的代码，您可以在 colab 中加载您的驱动器， 何时加载图像使用：

directory='drive/My Drive/Convolutional_Neural_Networks/dataset/test_set',

不是这个：

directory='content/drive/My Drive/Convolutional_Neural_Networks/dataset/test_set',

对于 keras imagedatagenerator 数据集 strcut：

【参考方案5】：

所以，我从 Colab 的默认命令开始

from google.colab import drive
drive.mount('/gdrive', force_remount=True)

我所做的主要改变就在这里

img_width, img_height = 64, 64
train_data_dir = '/gdrive/My Drive/Colab Notebooks/dataset/training_set'
validation_data_dir = '/gdrive/My Drive/Colab Notebooks/dataset/test_set'

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
 train_data_dir,
 target_size=(64, 64),
 batch_size=32,
 class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
 validation_data_dir,
 target_size=(64, 64),
 batch_size=32,
 class_mode='binary')

classifier.fit_generator(
 train_generator,
 steps_per_epoch=8000, # Number of images in train set
 epochs=25,
 validation_data=validation_generator,
 validation_steps=2000)

这对我有用，我希望这对某人有所帮助。 附：忽略缩进。

【参考方案6】：

由于某种原因，您必须 %cd 进入您的 google 驱动器文件夹，然后执行您的代码才能访问驱动器中的文件或在那里写入文件。

首先安装你的谷歌驱动器：

from google.colab import drive
drive.mount('/gdrive', force_remount=True)

然后 cd 进入你的谷歌驱动器，然后运行你的代码：

%cd /content/drive/My\ Drive/
directory='./Convolutional_Neural_Networks/dataset/training_set'

【参考方案7】：

尝试删除“内容”，经过 1 小时的故障排除后，它对我有用

cd drive/My Drive/dissertation