pyinstaller打包体积暴涨的根本原因是默认全量打包训练依赖，而非模型本身膨胀；应通过虚拟环境隔离、精确导入、排除冗余模块（如cuda）、启用upx压缩，并优先采用torchscript+libtorch_mobile+单abi的轻量化部署路径。
torch 本身不是问题，问题出在你打包时默认带进了整套训练依赖。
PyTorch模型文件（如 .pt 或 .pth）本身通常只有几MB到几十MB，但用 pyinstaller 或 pip install 直接打包整个Python环境时，会把 torch、torchvision、numpy、scipy 等所有依赖的二进制库全塞进去——尤其是 libtorch 的 CPU 和 CUDA 版本共存时，光一个 libtorch.so 就可能占 300MB+。这不是模型膨胀，是“环境拖累”。
为什么 pyinstaller 打包后体积暴涨？
pyinstaller 默认采用静态打包策略，会递归扫描所有 import 链，哪怕你只用了 torch.nn.Module，它也会把 torch.distributed、torch.jit、torch.ao.quantization 等模块的 C++ 后端一并打进可执行文件。更麻烦的是，它无法自动剥离 CUDA 相关符号——即使你目标平台是纯 CPU 的安卓设备，pyinstaller 仍可能把 cudnn、cublas 的 stub 库一起打包进来。
- 典型表现：
pyinstaller --onefile model_infer.py输出的单文件超过 500MB - 根本原因：未指定
--exclude-module排除无用子模块，也未用--collect-binaries精确控制 libtorch 路径 - 替代方案：直接放弃
pyinstaller，改用torchscript+torch.mobile导出为.ptl格式，体积可压到原模型的 1.2 倍以内
Android 上 libtorch 的 ABI 冗余问题
安卓设备只运行一种 CPU 架构（arm64-v8a 或 armeabi-v7a），但开发者常误把 x86_64 / x86 / arm64-v8a 全部放进 jniLibs 目录。Gradle 默认会把所有 ABI 的 libtorch.so 全打进 APK，导致体积翻 3–4 倍。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 检查方式：解压 APK，进入
lib/目录，看是否同时存在arm64-v8a/、armeabi-v7a/、x86_64/多个子目录 - 修复方法：在
build.gradle中显式声明只保留目标 ABI：ndk { abiFilters 'arm64-v8a' } - 额外提醒：
libtorch的移动端精简版（libtorch_mobile）比完整版小 60% 以上，必须用org.pytorch:pytorch_android:2.6.0而非org.pytorch:pytorch_android:2.6.0+cpu
Python 运行时本身就在吃空间
在 Android 上跑纯 Python（如通过 Chaquopy），光 Python 3.8 解释器 + 标准库就占 15–20MB；再加上 torch 的 Python binding 层，很容易突破 100MB。这不是模型问题，是运行时冗余。
- 真实瓶颈：Python 字节码（
.pyc）、内置模块（ssl、tkinter、distutils）全被加载，哪怕你一行都没 import - 有效做法：用
Nuitka编译成 C，或直接跳过 Python 层，用TorchScript导出后交由libtorch原生调用 - 硬性建议：别在移动端留
pip、setuptools、wheel—— 它们加起来占 8MB，且完全无用
libtorch_mobile + 单 ABI + TorchScript 是目前最干净的路径，其他任何绕开这三者的方案，都会在体积上付出隐性代价。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
