能否减小PyTorch的lib_pytorch_jni.so体积？自定义模块会影响其大小吗

• 算子裁剪：使用PyTorch提供的SELECTED_OP编译机制，仅保留你的业务模型实际用到的算子，默认预编译包包含了全量通用算子，裁剪后通常可将so体积压缩至3M以内，这是目前收益最高的优化手段。
• 编译优化：编译时选择Release模式，开启-Os体积优先编译参数，同时执行strip操作移除所有调试符号，可额外减少20%~30%的冗余体积。
• 移除冗余ABI：官方Demo默认打包了armeabi-v7a、arm64-v8a、x86、x86_64四类架构的so文件，实际线上应用仅需保留arm64-v8a（覆盖绝大多数主流安卓设备）即可，最多额外保留armeabi-v7a兼容老旧设备，移除不需要的架构包即可降低单架构对应so的实际占用。
• 关闭无用特性：编译时可根据业务需求关闭不需要的内置特性，比如未用到NNAPI硬件加速就关闭NNAPI支持、未用到量化模型就关闭量化算子支持、关闭调试日志输出等，也能减少部分体积。

使用自定义业务模块适配需求时，最终得到的lib_pytorch_jni.so体积大概率和Demo中的10M不一致，具体分为两种情况：

• 若直接使用官方预编译的PyTorch移动端依赖包，无论你的自定义模块用到多少算子，so体积都会和Demo中的10M基本一致，因为预编译包是面向所有场景的全量算子通用版本。
• 若根据自定义模型的算子使用情况自行编译so，配合上文提到的裁剪优化方案，最终体积会远小于10M，简单的图像分类场景甚至可以压缩到2M左右。

内容的提问来源于stack exchange，提问作者Alma