业务开发背景：

目前想做一个平台，类似与机器学习模型训练平台，可以供科学家及开发人员使用。

功能描述：

1. 平台基于 jupyter 进行自定义算法开发
2. 开发好后的算法可以在此平台进行训练
3. 未训练好算法，微调参数继续训练；训练好后的算法进行发布，使用 Restful Api 形式进行调用

技术壁垒：

算法与预测数据进行对比准确无误，需要将模型进行发布，目前查阅有关资料，在对训练好的模型进行发布时，可以使用不同算法框架训练出后算法框架自带的 serving 进行开发（例如 pytorch serving 和 tensorflow serving ），且可以使用 Restful API 形式进行访问，但是有个问题，本人不清楚算法都是如何写的（都是在 github 或者查阅有关大佬开发好后的算法进行功能测试），我要是使用 pytorch serving 和 tensorflow serving 这些进行开发时，需要对每个模型编写 handle.py 文件进行重写 preprocess 、inference 和 postprocess 三个方法来完成 API 的功能

问题：

不同自定义的算法训练好后的模型，传入参数也不同，是不是上述 preprocess 、inference 和 postprocess 这三个方法也会不一样，而且还需要对自定义开发的算法有深刻的理解（因为牵扯到数据的处理，图片的尺寸等等）？