MediaPipe项目构建Android AAR包的技术实践
2025-05-05 17:43:31作者:霍妲思
在Android平台上使用MediaPipe进行机器学习模型部署时,开发者经常需要将自定义的计算图(Graph)打包成AAR(Android Archive)格式。本文针对MediaPipe 0.10.21版本中构建AAR包的方法变更进行技术解析,并提供完整的解决方案。
背景与问题
MediaPipe项目在近期版本更新中进行了构建系统的重构,原先用于构建AAR的mediapipe_aar.bzl脚本被合并到了mediapipe_tasks_aar.bzl中。这一变更导致开发者无法直接使用原有的mediapipe_aar()函数来构建自定义计算图的AAR包。
解决方案
目前有两种可行的技术方案:
方案一:使用新的构建函数
MediaPipe项目提供了新的构建函数mediapipe_build_aar_with_jni,该函数位于mediapipe_tasks_aar.bzl中。使用示例如下:
load("//mediapipe/tasks/java/com/google/mediapipe/tasks:mediapipe_tasks_aar.bzl", "mediapipe_build_aar_with_jni")
mediapipe_build_aar_with_jni(
name = "custom_aar",
srcs = ["CustomCalculator.java"],
native_library = ":custom_jni_lib",
manifest = "AndroidManifest.xml",
proguard_spec = "proguard.pgcfg",
deps = [
"//mediapipe/java/com/google/mediapipe/framework:android_framework",
],
)
方案二:恢复旧版构建脚本
考虑到兼容性问题,MediaPipe项目团队已临时恢复了mediapipe_aar.bzl脚本。开发者可以同步到特定提交来使用原有的构建方式。
技术实现细节
无论采用哪种方案,构建AAR包时都需要注意以下关键点:
- JNI库配置:必须正确配置native_library参数,指向对应的JNI库目标
- Android清单文件:需要提供完整的AndroidManifest.xml
- 混淆配置:建议提供Proguard规则文件以保证代码优化和混淆
- 依赖管理:确保包含所有必要的MediaPipe框架依赖
最佳实践建议
- 对于新项目,建议优先使用mediapipe_build_aar_with_jni函数
- 对于已有项目迁移,可以先采用恢复的mediapipe_aar.bzl进行过渡
- 构建前确保环境配置正确,包括:
- Android SDK和NDK版本兼容
- Bazel构建系统版本要求
- 必要的系统依赖安装
总结
MediaPipe项目在不断演进过程中,构建系统也在持续优化。开发者需要关注这些变更,及时调整自己的构建配置。本文介绍的两种方案都能有效解决AAR包构建问题,开发者可以根据项目实际情况选择最适合的方式。
随着MediaPipe生态的成熟,建议开发者逐步迁移到新的构建系统,以获得更好的维护性和新特性支持。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
572
99
暂无描述
Dockerfile
710
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2