如何在Android中通过Chaquopy高效向Python服务器传输Numpy数组

针对你的人脸识别APP场景，追求极致传输速度的话，二进制序列化是最优选择，完全避开JSON这类文本格式的高开销。以下是具体实现方案：

方法一：Numpy原生二进制序列化（最快，推荐） #

直接利用numpy的二进制格式，几乎无额外序列化开销，128维float32数组仅占512字节，传输效率拉满。

客户端（Chaquopy Python代码） #

import numpy as np
import requests

# 假设face_embedding是你的128维人脸编码数组（通常为float32类型）
face_embedding = np.random.rand(128).astype(np.float32)

# 直接转成二进制字节流
embedding_bytes = face_embedding.tobytes()

# 发送POST请求，二进制数据作为请求体
response = requests.post(
    "http://你的服务器地址/接收接口",
    data=embedding_bytes,
    headers={"Content-Type": "application/octet-stream"}
)

服务器端还原 #

import numpy as np

# 读取请求体中的二进制数据
embedding_bytes = request.get_data()
# 还原为numpy数组，注意指定原数组的dtype和shape
face_embedding = np.frombuffer(embedding_bytes, dtype=np.float32).reshape(128)

方法二：Msgpack序列化（兼容扩展场景） #

如果后续需要同时传输元数据（如人脸ID、时间戳），msgpack是比JSON快5-10倍的选择，且原生支持二进制。

客户端 #

import numpy as np
import msgpack_numpy as mpack
import requests

face_embedding = np.random.rand(128).astype(np.float32)
# 打包数组和额外元数据
packed_data = mpack.packb({
    "embedding": face_embedding,
    "timestamp": 1698765432
})

response = requests.post(
    "http://你的服务器地址/接收接口",
    data=packed_data,
    headers={"Content-Type": "application/x-msgpack"}
)

服务器端还原 #

import numpy as np
import msgpack_numpy as mpack

packed_data = request.get_data()
data = mpack.unpackb(packed_data)
face_embedding = data["embedding"].reshape(128)

关键注意事项 #

• 固定数组类型：人脸编码用float32而非float64，直接减半传输字节数
• 避免文本编码：不要把二进制数据转成Base64（会增加33%的体积），直接用二进制请求体传输
• Chaquopy依赖配置：在APP的build.gradle中添加所需Python库：

  python {
      pip {
          install "numpy"
          install "msgpack-numpy" // 用msgpack时需要
      }
  }
  

内容的提问来源于stack exchange，提问作者Taner Caslaman