scripts/00_bootstrap_venv.sh

#!/usr/bin/env bash
# 00_bootstrap_venv.sh — reconstrução RÁPIDA e otimizada do ambiente virtual.
# Aprendizado do último treino (observação do ambiente):
#  • o venv é VOLÁTIL entre sessões ⟹ reconstrução deve ser determinística e rápida;
#  • pip cache http-v2 reutiliza wheels grandes (torch ~900 MB baixado 1×);
#  • torch CPU-only (índice -cpu) evita baixar CUDA de ~2.5 GB — RAM 3 GiB, disco 9 GiB;
#  • instalação ÚNICA em lote (1 resolução de dependências = menos tempo e menos pico de RAM);
#  • venv FORA do repositório (/home/z/my-project/venv) — nunca publicado no HF.
set -euo pipefail
VENV=/home/z/my-project/venv
if [ ! -x "$VENV/bin/python" ]; then
  python3 -m venv "$VENV"
fi
PY="$VENV/bin/python"
# ensurepip pode não disparar na criação (Debian mínimo) — garante o pip
if ! "$PY" -m pip --version >/dev/null 2>&1; then
  "$PY" -m ensurepip --upgrade >/dev/null 2>&1 || true
fi
if ! "$PY" -m pip --version >/dev/null 2>&1; then
  curl -sS https://bootstrap.pypa.io/get-pip.py -o /tmp/get-pip.py \
    && "$PY" /tmp/get-pip.py -q
fi
"$PY" -m pip install -q --upgrade pip 2>&1 | tail -1 || true
# torch CPU primeiro (índice dedicado; wheel em cache após a 1ª vez)
"$PY" -m pip install -q torch --index-url https://download.pytorch.org/whl/cpu
# resto em UM lote (PyPI)
"$PY" -m pip install -q datasets tokenizers safetensors "huggingface_hub>=0.25" numpy pillow \
  transformers accelerate torchao pyarrow soundfile requests matplotlib cython scikit-learn
"$PY" - <<'EOF'
import torch, torchao, datasets, tokenizers, safetensors, numpy, sklearn, Cython
print("venv OK — torch", torch.__version__, "| torchao", torchao.__version__,
      "| datasets", datasets.__version__, "| cython", Cython.__version__,
      "| cuda:", torch.cuda.is_available())
EOF