gallery R8优化：减小本地AI平台的应用大小

gallery R8优化：减小本地AI平台的应用大小

【免费下载链接】galleryA gallery that showcases on-device ML/GenAI use cases and allows people to try and use models locally.项目地址: https://gitcode.com/GitHub_Trending/gallery44/gallery

你是否遇到过本地AI应用体积过大导致安装困难、存储空间紧张的问题？本文将详细介绍如何通过R8优化技术减小gallery应用的大小，同时保持其核心功能不受影响。读完本文后，你将了解R8优化的基本原理、在gallery项目中的具体配置方法，以及如何通过模型管理进一步减小应用体积。

R8优化简介

R8是Android平台上的代码混淆和压缩工具，它能够移除未使用的代码和资源，优化字节码，从而显著减小应用体积。对于gallery这样的本地AI平台，应用体积的减小不仅能提升用户体验，还能降低安装门槛，扩大用户群体。

R8优化的工作原理

R8优化主要通过以下几个步骤实现应用体积减小：

1. 代码混淆：重命名类、方法和变量，使代码更紧凑且难以逆向工程。
2. 代码压缩：移除未使用的类、方法和字段。
3. 资源压缩：移除未使用的资源文件。
4. 优化字节码：对字节码进行优化，提高执行效率并减小体积。

gallery项目中的R8配置

在gallery项目中，R8优化的配置主要通过Gradle文件实现。以下是关键配置文件的路径及内容分析：

Gradle配置文件

gradle.properties文件位于 Android/src/gradle.properties，其中包含了项目级别的Gradle设置。虽然该文件中没有直接的R8配置，但以下设置为R8优化提供了基础：

android.useAndroidX=true android.nonTransitiveRClass=true

android.useAndroidX=true启用AndroidX库，有助于减小依赖体积；android.nonTransitiveRClass=true启用非传递性R类，减少资源引用冗余。

settings.gradle.kts文件位于 Android/src/settings.gradle.kts，负责依赖管理和插件配置。其中的依赖解析策略确保了只包含必要的库，间接有助于减小应用体积：

dependencyResolutionManagement { repositoriesMode.set(RepositoriesMode.FAIL_ON_PROJECT_REPOS) repositories { google() mavenCentral() } }

应用模块配置

虽然未直接提供app模块的build.gradle文件，但通常R8优化在app模块的build.gradle中配置。以下是典型的R8优化配置示例：

android { buildTypes { release { minifyEnabled true shrinkResources true proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro' } } }

minifyEnabled true启用代码压缩，shrinkResources true启用资源压缩，proguardFiles指定混淆规则文件。

模型管理优化

除了代码和资源优化，模型文件的管理也是减小gallery应用体积的关键。gallery项目通过 model_allowlist.json 文件控制内置模型的列表，合理配置该文件可以显著减小应用体积。

model_allowlist.json 分析

model_allowlist.json 文件定义了应用支持的AI模型列表。每个模型条目包含名称、大小、描述等信息。例如：

{ "models": [ { "name": "Gemma-3n-E2B-it-int4", "sizeInBytes": 3136226711, "description": "Preview version of Gemma 3n E2B ready for deployment on Android", "taskTypes": ["llm_chat", "llm_prompt_lab", "llm_ask_image"] }, // 其他模型... ] }

模型筛选策略

1. 移除不常用模型：根据用户需求和使用统计，移除很少使用的模型。例如，如果"Qwen2.5-1.5B-Instruct q8"模型使用率低，可以将其从列表中移除。
2. 选择轻量级模型：优先包含体积小、效率高的模型。例如，"Gemma3-1B-IT q4"模型大小仅为554MB，远小于其他模型。
3. 支持动态下载：将部分模型改为按需下载，而不是内置在应用中。这需要修改 DownloadRepository.kt 中的下载逻辑。

优化效果对比

通过R8优化和模型管理，gallery应用体积可以显著减小。以下是优化前后的对比（基于理论估算）：

注：模型大小基于 model_allowlist.json 中的数据，仅保留"Gemma3-1B-IT q4"模型。

实施步骤

配置R8优化

1. 确保app模块的build.gradle中启用了R8优化：

   android { buildTypes { release { minifyEnabled true shrinkResources true proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro' } } }

2. 创建或修改proguard-rules.pro文件，添加必要的混淆规则，确保AI模型相关代码不被错误移除：

   -keep class com.google.ai.edge.gallery.data.Model { *; } -keep class com.google.ai.edge.gallery.data.ModelAllowlist { *; }

优化模型列表

1. 编辑 model_allowlist.json，移除不需要的模型条目。
2. 在应用中添加模型下载功能，参考 DownloadRepository.kt 实现动态下载。

总结与展望

通过R8优化和模型管理，gallery应用的体积可以显著减小，提升用户体验。未来，可以进一步探索以下优化方向：

1. 更精细的资源压缩：使用Android Studio的资源优化工具，移除更多未使用的图片和布局文件。
2. 模型量化技术：采用更低精度的模型量化（如INT4），在保持性能的同时减小模型体积。
3. 按需加载功能模块：将应用拆分为多个功能模块，用户可根据需求下载所需模块。

通过持续优化，gallery可以在提供强大本地AI功能的同时，保持较小的应用体积，为更多用户带来优质的AI体验。

上图展示了AI模型在gallery应用中的优化流程，从模型选择、量化到部署的全过程。

【免费下载链接】galleryA gallery that showcases on-device ML/GenAI use cases and allows people to try and use models locally.项目地址: https://gitcode.com/GitHub_Trending/gallery44/gallery