从结构到每一个目录,我们都要保证完整通畅清晰

您可能很少听说过“条目”这个词,这是seo优化中的一个专业概念。这个术语来源于图论算法,它通常是指从源点更新相邻的边,遍历到最近的点,以它为新的源点,重复操作直到所有的点都被更新。众所周知,搜索引擎排名的基本单位是网页,而不是网站。如果你的页面上多了一个链接,你就有了一个提升排名的机会,所以建立一个合适的内部链接是获得排名的一个重要方法。

搜索引擎每天的工作就是让蜘蛛爬行器在互联网上抓取新的网页,然后用他们自己复杂的算法对它们进行排名。如果这些节点的web站点不能被爬虫程序很好地访问,这将增加搜索引擎的负担。这意味着爬行器很难完全抓取一个网站的所有页面。网站地图可以很好的解决这个问题。当蜘蛛爬行时,它们首先会去拜访机器人。我们把网站地图的地址放在机器人里面,所以我们让蜘蛛先爬地图。站点地图有我们站点中的所有链接,这给了爬行器一个很好的抓取整个站点的路径。

事实上,如果你仔细观察你的网站,你会发现仍然有大量的网页没有被包括在内,这些网页对于搜索引擎来说是不可获取的,这将很难被包括在内。有了站点地图,搜索引擎蜘蛛根据站点地图来抓取链接,这也提高了站点的速度。相比之下,相同的两个站点更有可能建立一个站点地图。从提高整个站点收集率的角度来看,站点地图可以说是贡献的。http://jcfarris.com

为了使优化过程更加高效,内部链接要注意变化,选择文本链接,统一位置,不要使用图像和动画来提高内存,加载速度慢。其次,在网站优化的基本技巧方面,标题要掌握关键词的功能,包括关键词,这样可以更容易的搜索到。同时,每个页面都应该有一个单独的标题,以便标题包含更多的关键字。以后不要更改标题,不仅关键字包括网站的结构,设置后不容易更改,会影响收录。

不要一次做太多的改变。最好不要在网页上使用flash,这会导致显示速度变慢。不利于访问者第一次继续学习其他内容来构建,因为很难显示完整的界面内容,必然会降低网站的印象。

常我们有一些图像格式,有些是。png,有些是。jpeg,有些是。gif,这是三种格式,网站图像优化和这三种格式将呈现不同的图像。因此,如果你想让你的图片看起来不错,最好选择正确的文件格式。http://lissnylaw.com

使用合理的图片质量
很多人在上传自己的照片时会选择最清晰的。虽然图片应该是高清的,但是如果每张图片都很清晰,会导致加载速度慢。所以你通常上传的一些照片,只要你不是主要看细节,只要你以中等分辨率上传。

使用可读性较强的名称
也许有些人在上传图片的时候不太在意图片的名字,虽然浏览起来没有任何缺点,但是如果你上传了,就会不一样,会影响SEO优化。因此,上传图片时最好使用一些可读的名字。

使用标题和图片描述
许多人在上传图片时可能无法编辑图片的标题和描述。事实上,这可能会影响SEO的排名。上传图片时,最好为你的图片编辑一个标题并写一些描述。

考虑图片尺寸
有些人在上传图片时可能会放大或缩小图片的大小。事实上,这并不好。最好在上传图片前为图片选择合适的大小。

创建站点地图是为了让访问者浏览站点,这样访问者可以更快地找到他们需要的信息。这些影响在小网站上并不明显,但在门户网站上。这些大型网站有很多结构化的内容,所以访问者很难在首页第一时间找到他们想要的内容。网站通常有一个清晰的地图结构,这是为了方便用户,而不仅仅是为了搜索引擎抓取。用户友好的网站更有可能受到搜索引擎的欢迎,百度地图扮演了关键角色。

站点地图对于大站点和小站点都是必须的。网站地图是一个非常有用的东西,无论是在用户体验和网站包含率方面。我们作为seoer的人都应该关心!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值