قبل‌از اینکه برنامه‌ای را که از مدل درون‌دستگاهی ML Kit استفاده می‌کند در محیط تولید مستقر کنید، توصیه‌های این صفحه را برای کاهش حجم بارگیری برنامه‌تان درنظر بگیرید.
ساختن برنامه به‌عنوان «دسته برنامه Android»
برنامه‌تان را به‌صورت دسته برنامه Android بسازید و پیاده کنید تا Google Play بتواند به‌طور خودکار فایل‌های APK را برای تراکم‌های صفحه، معماری‌های CPU، و زبان‌های خاص تولید کند. کاربران فقط باید فایل‌های APK را که با پیکربندی دستگاهشان مطابقت دارد بارگیری کنند و مهم‌تر از همه، کاربران فقط کتابخانه‌های کد بومی را که با معماری دستگاهشان مطابقت دارد بارگیری می‌کنند.
پیشرفته: انتقال ویژگی‌های اختیاری یادگیری ماشین به پیمانه‌های ویژگی پویا
اگر از ML Kit در ویژگی‌ای از برنامه‌تان استفاده می‌کنید که هدف اصلی آن نیست، برنامه‌تان را بازسازی کنید تا آن ویژگی و وابستگی‌های ML Kit آن را به واحد ویژگی پویا منتقل کنید.
برای اینکه ویژگی‌های ML Kit در واحد ویژگی درخواستی کار کند، در فایل build.gradle برنامه پایه،
وابستگی کتابخانه پشتیبانی از ویژگی پویای ML Kit playstore را اضافه کنید.
dependencies { // ... implementation 'com.google.mlkit:playstore-dynamic-feature-support:16.0.0-beta2' }
با انجام این کار، از بارگیری غیرضروری مدل‌های یادگیری ماشین برنامه‌تان توسط کاربران جلوگیری می‌کنید. این مدل‌ها می‌توانند بزرگ باشند.
پیشرفته: کنار گذاشتن فایل‌های باینری ML Kit استفاده‌نشده
ML Kit با پشتیبانی از معماری‌های ۳۲ بیتی و ۶۴ بیتی ساخته شده است. اگر برنامه‌تان فقط از حالت ۳۲ بیتی پشتیبانی می‌کند—برای مثال، چون از کتابخانه‌ای استفاده می‌کنید که فقط دودویی‌های ۳۲ بیتی ارائه می‌دهد—می‌توانید کتابخانه‌های ML Kit استفاده‌نشده را از ساختتان حذف کنید:
android { defaultConfig { ndk { // Don't package arm64-v8a or x86_64 abiFilters 'armeabi-v7a', 'x86' } } }