111

Dockerfile

@@ -1,32 +1,38 @@
 # Usa una imagen base con soporte para Python y CUDA
 FROM nvidia/cuda:11.7.1-cudnn8-runtime-ubuntu20.04
 
-# Establece variables de entorno necesarias
+# Establece variables de entorno necesarias para el caché y CUDA
 ENV TRANSFORMERS_CACHE="/app/.cache" \
     HF_HOME="/app/.cache" \
-    PATH="/opt/conda/bin:$PATH"
+    PATH="/opt/conda/bin:$PATH" \
+    DEBIAN_FRONTEND=noninteractive
 
-# Instala dependencias básicas
-RUN apt-get update && apt-get install -y \
+# Actualiza e instala dependencias básicas
+RUN apt-get update && apt-get install -y --no-install-recommends \
     python3 \
     python3-pip \
     git \
+    && apt-get clean \
     && rm -rf /var/lib/apt/lists/*
 
 # Establece el directorio de trabajo
 WORKDIR /app
 
+# Crea el directorio de caché y asigna permisos
 RUN mkdir -p /app/.cache && chmod -R 777 /app/.cache
 
 # Copia el archivo requirements.txt al contenedor
 COPY requirements.txt /app/requirements.txt
 
-# Instala las dependencias necesarias
-RUN pip install --upgrade pip
+# Actualiza pip y las dependencias de Python
+RUN python3 -m pip install --upgrade pip
 RUN pip install -r requirements.txt
 
-# Copia los archivos de la aplicación al contenedor
+# Copia todos los archivos de la aplicación al contenedor
 COPY . /app
 
+# Expone el puerto donde la aplicación se ejecutará (opcional, si es necesario)
+EXPOSE 7860
+
 # Comando para ejecutar la aplicación
 CMD ["python3", "app.py"]

app.py

@@ -1,34 +1,15 @@
-from fastapi import FastAPI
-from contextlib import asynccontextmanager
 from diffusers import StableDiffusionDepth2ImgPipeline
 import torch
 
-@asynccontextmanager
-async def lifespan(app: FastAPI):
-    global pipe
-    # Inicializa el modelo Marigold al inicio
-    print("Cargando el modelo Marigold...")
+# Carga del modelo
+print("[DEBUG] Iniciando prueba de carga del modelo Marigold...")
+try:
     pipe = StableDiffusionDepth2ImgPipeline.from_pretrained(
         "prs-eth/marigold-depth-v1-0",
         torch_dtype=torch.float16
     )
     pipe.to("cuda")
-    print("Modelo Marigold cargado exitosamente.")
-    yield
-    # Libera recursos si es necesario
-    del pipe
-    print("Recursos liberados al finalizar la aplicación.")
-
-app = FastAPI(lifespan=lifespan)
-
-@app.get("/")
-async def root():
-    return {"message": "Marigold API funcionando correctamente"}
-
-@app.post("/depthmap/")
-async def generate_depth_map(input_image: str):
-    # Genera un mapa de profundidad a partir de la imagen
-    print("Generando mapa de profundidad...")
-    result = pipe(input_image)
-    depth_map = result.images[0]  # Resultado procesado
-    return {"depth_map": depth_map}
+    print("[DEBUG] Modelo Marigold cargado exitosamente.")
+except Exception as e:
+    print(f"[ERROR] Error al cargar el modelo: {e}")
+    raise e