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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
895
Ascend Extension for PyTorch
Python
505
610
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
392
290
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108