发布时间:2019年9月26日下午10时29 PDT
<原创博客是在这里可以在博客上找到并翻译评审的参与给了乔(WEBTECH GDE)>
AMP正式被认为可以应用到当前页面的AMP安普页面可以更快地加载在服务器端渲染(SSR)技术的支持。我们的测试结果,著名的 FCP指标 显示在高达50%的速度大幅增加。谷歌AMP缓存已经来到采取这种技术一会儿的优势,但现在开发者可以在自己的域名使用此技术!如果您使用AMP提供关键环境的网站,额外的优化程序的安装就显得尤为重要。即使是AMP页面的运行和“配对AMP设置“非AMP的网页,用户使用这种技术时,不使用AMP缓存,如使用Twitter的应用程序,以确保用户获得最佳性能你可以。
SSR 是用于提高FCP(第一contentful漆)时为客户端框架呈现页面,如反应或Vue.js.的技术客户端呈现的缺点是,你必须下载页面上的所有必要的JavaScript,第一次呈现。所以,直到用户浏览网页的实际内容将被推迟。为了缓解这一问题,反应,并根据要求呈现给DOM提前两个搜索服务器Vue.js支持。然后,在客户端JavaScript拿起渲染,这是(重新)水合的过程。其结果是,用户将能够更快地查看内容。
AMP SSR是 AMP样板代码 的工作原理是去除和渲染来自服务器的页面布局。的AMP样板代码存在的目的是为了防止内容跳转页面加载时。此代码隐藏页面内容,直到AMP架构将被下载和页面布局成立。因此,直到你下载了同样的问题,即JavaScript和其他客户端框架AMP页面已经经历渲染块的问题。如果删除AMP SSR的锅炉板代码 的FCP时间快50% 。 以下是对SSR版本AMP文件,该文件是如何不同(进行了详细的描述比较 官方指南 参考)。
通过在html元素的变换属性可以通过在服务器端的AMP页面渲染识别。
<HTML安培转化= “自我; V = 1”>
注:AMP缓存是建立自己的标志,例如,在谷歌AMP缓存添加以下内容:
<HTML安培转化= “谷歌; V = 1”>
如果这个属性被设置为处理AMP验证是SSR工艺为有效AMP。该SSR工艺优化安普AMP,因为它违反规范的规则,作废的文件,这就是为什么你需要看到这种情况下,一个新的标志。适用于所有标志和优化文档也不错继续被视为有效。
SSR是治疗AMP的方法?
文章不应该说是正确的SSR AMP手工处理。相反,使用的是同样的工作工具编译器自动将文件转换为AMP SSR版本。理想情况下,用户会提前之前这样的转换请求文档制作。但是,您可以运行转换请求(必须缓存结果,这样你就不必反复运行转换操作)。
为AMP SSR目前可用的工具,原因有二:
Next.js支持
最新版本Next.js 9个 支持AMP SSR没有默认配置颇为期待点。 Next.js 9必须首先呈现当前AMP安普页面和混合AMP页面基本上优化。因此Next.js是构建AMP网页的绝佳选择。
下一步?
我们计划留在未来的两大举措。
1. AMP架构(v0.js)到主机本身的选项。是的,这是正确的。更多的是cdn.ampproject.org不会瑜伽可以下载AMP英寸这将jinige两个优点:
2. WordPress的集成:官方AMP WordPress插件V1.3支持AMP SSR默认。
AMP SSR为大家
当您发布页面,您必须发布呈现在服务器端的AMP安普页。 CSS和HTML或类似地减小, AMP优化 或 转到转换器 必须在生成的正常部分运行/呈现的链。只有提高渲染性能是有很大的区别发生在FCP时间,更重要的是,在用户体验的差异。
通过:塞巴斯蒂安奔驰,谷歌开发者顾问博凯特
|
发布时间:2019年9月26日下午10点23分PDT
这篇文章是写在AMP设计团队的文章。
我们是一个团队的产品设计师和研究人员来负责创建一个有用的和易于访问AMP组件和成熟的整个体验。如果你想确保我们正在做的事情和一些基础成就 的GitHub 或 贡献者松弛 探索丰富多彩的活动与工作组中的用户界面和可访问性的进展。
AMP是提高Web用户体验日常使用帮助 创建一个网站开发 者 更快的工作 中最重要的途径之一 。其优点是,你只有AMP和完善Hansang幕后走向台前。我们可以将速度提升到网站,而不必使用AMP开发商单独做任何事情。
性能最佳实践,但总是会被应用到AMP的各个方面, 实际速度 只是故事的一半。虽然工程师们继续努力应对技术细节,设计团队,我们 认识到速度 ,你开始改善。等待yigetjiman永远是我们的生命,AMP工程师的一部分,我们无法控制一部分(例如, Facebook的帖子 或 YouTube视频 或)就不能在AMP页面,如果一个大容量的更快速的创建。但是, 大量的证据 不同感觉 的情况等,根据不同的环境,通过 点出现明显的。如果你已经以某种方式使用AMP页从2015年开始将是AMP是熟悉的负荷指标。
从今天开始,我们将使用新的负载指示灯。
我们会告诉来这里。我们已经决定启动三个目标:
我们也被要求不仅保持中性时尚的设计。随AMP UI也应该与任何AMP页面的设计很好地匹配。这意味着,利用壮观的颜色和正在复苏也应避免表现风格。
我们期待以后的一段时间等于多少内容带负载时预测目标2500个Web用户为10种负载指示灯的设计表明了“杆”抛出了一个问题,创建原型。还有人估计在很短的时间,所以并不好,但重要的是,预测的准确度有重要的发展趋势。参与者预测,我们对负载时间几乎是1秒几原型报告新设计的推出比常规选项,例如作为基本喷丝机需要更少的或显示现有AMP加载。我们选择基于一些意见,吸引了在这个数据和设计过程的极大兴趣不同的设计。
我们已经来到了以下三个原则:
我们必须适应不同大小,内容类型图标,设计,以适应背景,以满足最终规则。在头两个原则的情况下,我们遇到了通过提供跨多个步骤的装载机动画。也就是说,初步断定显示一个旋转的纺丝形成一个循环,直到下一个所示的一个,最后在加载内容,动画不会出现在没有任何中间。因此,在没有内容加载时,加载程序中未示出,当小于0.5秒时,负载时间微调不会充满全3.5秒不重复的。
我们的设计已经满足了所有三个目标。换句话说,它出现了认知速度和信心eotdago设计变更令人鼓舞的数据更加细化,完善,使读者可以知道是否要显示的内容。
有迹象表明,需要为了保持AMP为开发人员提供的灵活性,以解决一些额外的细节。我们希望避免与AMP的加载内容之前显示一个新的设计占位符图片,消息或自定义负载指示能力的冲突。如果您的内容仅仅是一个占位符图像,因为我们仍然没有任何信息的读者会想通知显示会弹出一个突出的特殊版本加载指示灯与屏幕上的彩色图像。如自定义消息或负载指示灯,如果而是更复杂,会出现占位符我们的设计没有看到任何基本的装载机不与开发者的设计相冲突。
虽然我们继续生活与提供加载指标在未来数周的AMP页的只有百分之几,以及网站的效果统计新有限实验 回馈社会各界人士 将密切关注也进行最后的呼叫牵引工作。我们的目标是部署这个观点在所有AMP页的所有组件的基础上建立了一个新的装载机。
Deusigil希望考虑到这一新的设计,我会很感激,如果你给我们的慷慨支持,以改善Web用户体验一步一下子提高一步,一个小细节。
|
发布时间:2019年9月26日下午8点32分PDT
<原创博客是在这里可以在博客上找到并翻译评审的参与给了gimtaekmin(机器学习GDE)>
为了支持如发票处理,申请审核和企业合同,应当先进行数字化处理各种类型的内容,如照片,文档和笔记的分析操作。该谷歌云提供多种方式供客户进行数字化的内容。还可以使用该API训练机器学习提前或者您也可以申请文件理解基于人工智能AutoML套房。
在这篇文章中,我们将了解云AutoML基于文档处理的目的(文档标记)的标记文件。文档标记拉出字段(或标签),例如具有从文档(或值)或客户帐号有意义的响应,总的关键-这意味着在一对值的形式配置。 “标签”是要分析的主题和“值”是对应于该标签实际结果。通过下面的示例中使用AutoML,让我们拔出所需的文档处理诸如签名,密封,文档类型的图像中的正方形区域的密钥信息。
现有的解决方案
即使仅仅在几年前,这是数字化文件,简单的方法来扫描文档并将其保存为一个云的形式的图像。目前,它可以更好的工具和技术,特别是数据的结构分析提供文件一大堆感谢转换为机器学习和从他们那里得到有用的信息。
直到最近,你可以使用一个以规则为基础的正则表达式或算法(基于规则)如OCR只对文件中预定的数字化文档。这可能是很难申请一个新类型的文件,也可能是匹配关键字或基于文本的NLP模型的问题。物体识别(目标检测),并认识对象(实体识别)已经在这方面也获得了很多的关注,在过去几年中取得显著的改善。 AI的服务集合称为云AutoML也能提供高品质的机器学习模型为广大客户提供机器学习的知识最少。
GCP的解决方案:大规模AutoML
这种类型的结构,不仅容易理解容易将它们在生产环境中部署。所有的组件都是可扩展性和无服务器(无服务器)的形式,并且是基于在生产环境中现有的GCP。
全管道使用云作曲家Kubernetes引擎或谷歌(构建 GKE 可以使用部署)。但一些业务限制(例如,对于GCP摄入管道自定义设置而建,从法律文件中提取规则,然后从文档解析,修改等敏感信息)在一个额外的定制要求,除了上面提到的架构开发,的。有关这些要求的更多信息和帮助是 销售团队 ,你可以联系。
创造价值
我们拥有彼此,以实现各种其他目的,如学习机解决方案,企业的每一个或具有技术上的优势,我们用这样一个解决方案,许多客户的用户体验的改善,降低运营成本,总体误差降低。正如本文中描述的解决方案可应用于各种领域,如医疗保健,金融服务及媒体。例如,有以下实施例。
接下来的步骤
有深的学习时间如何简化培训过程作为一个过渡分析(迁移学习)越来越需要。在这篇文章中指定的文件标签,也已经能够没有成千上万的图像的数字化文件已试验成功并部署在生产环境中。在基于数据的变化,但仍然很重要AutoML可以自动解决只用几千页的小图像的基本问题haejugo训练模型机器学习的解决方案。
这可以帮助客户处理文档是一两件事,是完全符合四人hagetdaneun谷歌允许任何人轻松地访问,组织和组织世界各地的有用信息,利用它的优势。分享此文章,我们会,我想如果更多的机构可以考虑过渡到云计算的机会。工具如云AutoML愿景,云AutoML自然语言 ,云存储构建了一个数据集,并可以用来帮助改善用户体验。
|
评论
发表评论