参考前文，用 yolov5 的 pytorch torchscript lite 模型开发了一个多物体检测的 Android APP。
调试完成之后，进行编译打包 Generate Signed Bundle/APK。
然而，编译后的 APK 文件大小让我大吃一惊，足足有 240M。
使用 Android Studio 自带的 Build - Analyze APK 功能的分析结果：
好在不是面向 C 端的产品，否则估计没有几个人愿意下载这么大的 App，仅仅为了一个图像识别功能。
巨大的 apk 文件
- torchscript lite 模型 model 文件大小：23M
- libpytorch_jni_lite.so 这个是大头，每个 cpu 架构一份，共 4 份，接近 200M
优化 apk 文件大小的一些策略
- 分离 CPU 架构：Android 系统支持多个 CPU 架构，但是如果只支持一种 CPU 架构，那么可以减少 APK 的大小并且加快应用程序的启动速度。
- 使用 TensorFlow Lite 模型，这样就可以依赖 Google Play 服务自带的功能，不需要额外引入依赖文件。但是这个仅限于海外用户，国内的阉割版 Android 不支持。
- 将图片识别功能做成服务端接口，由 APP 调用服务器端的接口实现，如果模型很大，比如 ChatGPT 这种庞大的模型，肯定是放在了服务端。