Python3 「.ipynb_checkpoints」の削除方法について

前提・実現したいこと

kerasで分類問題のモデルを作っている途中なのですが、
「.ipynb_checkpoints」というファイル？によるエラーが発生しています。
以下のようなエラーメッセージが出るため該当のフォルダを確認すると、「.ipynb_checkpoints」といったファイルは存在していないため削除することもできず、エラーが解消できずに困っています。
そこで「.ipynb_checkpoints」の削除方法についてご存知でしたらご教示いただきたく質問させていただきます。

質問内容に不足している点がありましたらお知らせください。
お手数をおかけしますがどうぞよろしくお願い致します。

発生している問題・エラーメッセージ

FileNotFoundError: [Errno 2] No such file or directory: './hold_dir/.ipynb_checkpoints0.jpeg'

該当のソースコード

※学習部分のコードは省略させていただきます

def test_acc(model, test_dir, hold_dir, classes, thresh=0, sample=1000):
    """
    テスト用
    model: 特徴抽出用モデル
    X: array
    test_dir: str 画像入ってるフォルダ
    hold_dir:str 登録データのフォルダ　ファイル名はclass名.jpgにしてください
    classes:　フォルダ名のリスト 
    """
    correct = 0
    hold_vector = get_hold_vector(model, classes, hold_dir)

    test_datagen=ImageDataGenerator(rescale=1.0/255.)
    test_generator=test_datagen.flow_from_directory(
            test_dir,
            target_size=(512,496),
            batch_size=1,
            class_mode='categorical',
            classes=classes)

    for i in range(sample):
        X, Y = test_generator.next()
        Y = np.argmax(Y, axis=1)
        predict_vector = model.predict(X)
        index = judgment(predict_vector,hold_vector, thresh)
        label_index = index // 4
        if Y == label_index:
            correct += 1

        print('label_index{}'.format(label_index))
        print('Y{}'.format(Y))
    acc = correct / sample
    print("acc: {}".format(acc))
    return acc

def cosine_similarity(x1, x2):
    if x1.ndim == 1:
        x1 = x1[np.newaxis]
    if x2.ndim == 1:
        x2 = x2[np.newaxis]
    x1_norm = np.linalg.norm(x1, axis=1)
    x2_norm = np.linalg.norm(x2, axis=1)
    cosine_sim = np.dot(x1, x2.T)/(x1_norm*x2_norm+1e-10)
    return cosine_sim

# new画像のcos類似度を比較して一番値が高いindexを取り出しその値が閾値を超えるならindexを閾値以下ならをNoneを返す

def judgment(predict_vector, hold_vector, thresh):
    """
    predict_vector : shape(1,1028)
    hold_vector : shape(5, 1028)
    """
    cos_similarity = cosine_similarity(predict_vector, hold_vector) # shape(1, 5)
    print('cos_similarity{}'.format(cos_similarity[0]))
    # 最も値が高いindexを取得
    high_index = np.argmax(cos_similarity[0]) # int

    # cos類似度が閾値を超えるか
    if cos_similarity[0, high_index] > thresh:
        #print('high_index{}'.format(high_index))
        return high_index

    else:
        return None

def get_hold_vector(model, classes, hold_dir):
    """
    classes: クラス名のリスト　イメージの名前はこのリスト名にしてください
    hold_dir: str イメージが入ったフォルダpath
    """
    img_array = np.empty((0, 512,496,3))

    for clas in classes:
        for i in range(4):
            imagepath = os.path.join(hold_dir, clas + str(i) +".jpeg")
            img = load_img(imagepath, target_size=(512,496))
            array = img_to_array(img).reshape(1, 512, 496, 3)
            img_array = np.vstack((img_array, array))

    img_array = img_array/255.0
    hold_vector = model.predict(img_array)

    return hold_vector

# hold_vector作成用の辞書
drink_dict = {"calpis":5, "ilohas_peach":4, "mitsuya":3, "ilohas_normal":2, "pocari":1}
# hold_vectorをファイルに保存

import pickle
def pickel_hold_vector(hold_vector, classes, num_image=4):
    #ファイルに書き込み
    name_list = []
    for clas in classes:
        name_list += ["zidolegi_data2/feature/{}_{}_feature.dump".format(drink_dict[clas], i) for i in range(num_image)]

    for vec, name in zip(hold_vector, name_list):
        with open(name , 'wb') as f:
            pickle.dump(vec, f)

hold_dir = "./hold_dir"
test_dir = "./test_dir"
classes = os.listdir(test_dir)
hold_vector = get_hold_vector(model, classes, hold_dir)
pickel_hold_vector(hold_vector, classes)