google colab默认挂载的google drive对他人共享的文件夹仅提供只读权限，导致模型无法保存checkpoint、日志或配置文件；根本解法是将共享内容“深度复制”到你自己的drive目录下，再通过正确路径访问。
google colab默认挂载的google drive对他人共享的文件夹仅提供只读权限，导致模型无法保存checkpoint、日志或配置文件；根本解法是将共享内容“深度复制”到你自己的drive目录下，再通过正确路径访问。
在使用 Google Colab 运行如 Deep3DFaceRecon_pytorch 等需要频繁写入模型权重、训练日志或测试配置的项目时，一个常见但极易被忽视的陷阱是：你挂载的 Google Drive 中的文件夹若来自他人共享（Shared with me），Colab 默认仅赋予只读（read-only）权限。这正是你遇到 OSError: [Errno 30] Read-only file system 的根本原因——不是代码或路径写错了，而是操作系统层面拒绝写操作。
⚠️ 关键事实：
- Colab 通过 from google.colab import drive; drive.mount('/content/drive') 挂载的 /content/drive 是只读视图（view）而非可写挂载点；
- 即使你在 Google Drive 网页端对该共享文件夹拥有编辑权限，Colab 的 FUSE 文件系统仍会将其映射为只读；
- !cp -r ../drive/MyDrive/... 复制到 /content/ 本地目录（如 /content/checkpoints/）可读写，但该目录不持久——运行时重置后即丢失；
- 而直接写入 /content/drive/MyDrive/... 路径失败，正是因为共享文件夹的底层权限限制。
✅ 正确解决方案：执行「深度复制」（Deep Copy）到你名下的 Drive 目录
所谓“深度复制”，是指将共享文件夹中的所有内容（包括子目录、隐藏文件、权限元数据）完整拷贝至你自己创建的 Drive 文件夹中，使其成为你账户原生拥有的资源：
# 1. 确保已挂载（首次需手动授权）
from google.colab import drive
drive.mount('/content/drive')
# 2. 创建你自己的目标目录（必须是你主动新建的，非共享）
!mkdir -p "/content/drive/MyDrive/Deep3D/facerecon_20230425"
# 3. 执行深度复制（保留结构与文件属性）
!cp -r "/content/drive/MyDrive/SharedFolders/Deep3D/facerecon_20230425--original/"* \
"/content/drive/MyDrive/Deep3D/facerecon_20230425/"
# 4. 验证写权限（应成功，无报错）
!touch "/content/drive/MyDrive/Deep3D/facerecon_20230425/test_opt.txt"
!echo "Write test OK" > "/content/drive/MyDrive/Deep3D/facerecon_20230425/test_opt.txt"
? 注意事项：
- ✅ 路径必须明确指向 MyDrive/... 下你创建的目录，而非 Shared with me/... 或 MyDrive/SharedFolders/...；
- ✅ 使用 cp -r 而非 rsync -av（Colab 默认未预装 rsync）；若需更健壮同步，可先 !apt-get install -y rsync；
- ✅ 建议在复制前清空目标目录：!rm -rf "/content/drive/MyDrive/Deep3D/facerecon_20230425/*"；
- ❌ 不要尝试 chmod 或 chown —— Google Drive 文件系统不支持 Unix 权限修改；
- ⚠️ 大型模型文件（如 .pth）复制耗时较长，请耐心等待，并检查磁盘空间：!df -h /content/drive。
? 进阶建议：构建可复现的云工作流
为避免每次重启都重复操作，可将深度复制逻辑封装为初始化函数，并配合 Colab 的「连接后自动运行」功能：
def setup_checkpoint_dir(shared_src, my_dst):
"""安全初始化可写 checkpoint 目录"""
import os
from google.colab import drive
if not os.path.exists('/content/drive'):
drive.mount('/content/drive')
# 创建目标路径
os.makedirs(my_dst, exist_ok=True)
# 深度复制（跳过已存在且同名文件可加 -n）
!cp -r "{shared_src}/"* "{my_dst}/"
print(f"✅ Writable checkpoint dir ready: {my_dst}")
# 调用示例
setup_checkpoint_dir(
shared_src="/content/drive/MyDrive/SharedFolders/Deep3D/facerecon_20230425--original",
my_dst="/content/drive/MyDrive/Deep3D/facerecon_20230425"
)
最终，你的训练脚本（如 test.py）只需将输出路径指向该自有目录即可：
# 在 options/base_options.py 中确保： self.save_dir = '/content/drive/MyDrive/Deep3D/facerecon_20230425' # ✅ 可写 # 而非 '/content/checkpoints/...'（易丢失）或 '/content/drive/Shared with me/...'（只读）
至此，模型将稳定写入 Google Drive，断连重连后 checkpoint 与日志均完好保留——这才是真正可持续的云上 AI 开发实践。
