建设网站经常陷入的思维误区有哪些

倘若现在有的公司还觉得网站建设无关紧要,那就错了,在网络快速发展的现在,网络上业务的运营才是为企业带来营收的渠道,因此已成必然,也是实现营销重要的一步,现在网站的意义也是相当重大,那宵云小编就来和大家一起看一看建设网站经常陷入的思维误区有哪些吧。

在这里插入图片描述

网站上放点广告无可非议,然而弹出式的就陷入的思维误区了,通常的广告可以无视,弹出的广告还得去操作关闭一下,有时候点错了,还会出来更多的窗口。尽量不要放置太多的广告信息,更不要去放置弹出式的广告。有些主机是区分大小写的,这样在站长做链接或者是客户输入时,会由于大小写的问题而出现错误,并且robot文件也是区分大小写的,倘若大小写搞错了,可能会造成不能收录的严重问题,因此全部的路径都使用小写。很多外行的朋友为了省事,把网址注册这样的工作给互联网企业做,这样是一种思维误区,比方做信息服务偶然也有网站服务,然而得有一个基本的常识,那是为了自己,那就是资料务必填写自己的信息,并且是一字不差,错了的话以后就可能麻烦了,比方一些繁琐的成本就不可避免。

网站的标题就像读书时期写作文一样,起到总体归纳作用,写错了叫文不对题、总结不够全面叫偏题了,网站也是一个道理。一般网站标题选用关键词进行组合,而且字数不要太多,因为各大搜索引擎显示效果不一,尽量简明些。网站类型的不同,建设网站成本会根据开发工作量来定价。通常分成营销型,展示型等,不同类型的功能也是不一样的。要根据自己的需要来选择类型。而所需要的网站类型也影响着单价,因此一定要想清楚自己需要哪种类型。不要陷入的思维误区,选择根本用不上的类型。并且类型倘若选错了也是很麻烦的。

同一个网站上的不同网页一般不会多次出现在搜索页面,能出现两次就算不错了,对搜索引擎来说,一个网址下建多个域名,还可以实现多个排名,然而往往有弄虚作假之嫌,得不偿失。保证质量前提是拥有技术,倘若随意找一个学徒,在网络上随意下载一个样版进行网站构建,这样构建出来的网站能够正常运行就不错了,更不要说为客户带来服务,这儿的问题相信不用说也能了解,技术到位才能够做出网站。建设网站仅仅是一个前奏,倘若公司客户认为只要建好网站就行了,那就陷入了一种误区。由于网站建了,假如说没有适当的推广也是白费。由于搜索引擎是不断变化的,互联网会碰到各种问题,没有及时的维护,也会致使网站问题百出。

  • 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