作为一个Web开发着，自然离不开接口和API，通常的Tensorflow模型预测都是使用Python开发的，那么作为Java或者Nodejs开发服务端程序的人，该如何调用呢？通过上传一张图片进行预测等。
tensorflow / serving 是一个不错的选择，是官方提供的一个扩展库。A flexible, high-performance serving system for machine learning models
往期推荐
1.函数 isNaN 接收参数后，会尝试将这个参数转换为数值，任何不能被转换为数值的的值都会返回 true，因此非数字值传入也会返回 true ，会影响 NaN 的判断。
2.函数 Number.isNaN 会首先判断传入参数是否为数字，如果是数字再继续判断是否为 NaN ，不会进行数据类型的转换，这种方法对于 NaN 的判断更为准确。
一个直接的解决方法就是设置一个误差范围，通常称为“机器精度”。对JavaScript来说，这个值通常为2-52，在ES6中，提供了Number.EPSILON属性，而它的值就是2-52，只要判断0.1+0.2-0.3是否小于Number.EPSILON，如果小于，就可以判断为0.1+0.2 ===0.3。
1.首先会判断两者类型是否**相同，**相同的话就比较两者的大小。
2.类型不相同的话，就会进行类型转换。
3.会先判断是否在对比 null 和 undefined，是的话就会返回 true。
4.判断两者类型是否为 string 和 number，是的话就会将字符串转换为 number。
5.判断其中一方是否为 boolean，是的话就会把 boolean 转为 number 再进行判断。
6.判断其中一方是否为 object 且另一方为 string、number 或者 symbol，是的话就会把 object 转为原始类型再进行判断。