# ============================================================
# Dockerfile — สูตรสร้างเครื่อง Linux ให้เหมือน Kaggle ที่เคยเทรนสำเร็จ
#
# ===== ต้องการอะไร =====
#   detectron2 + Pose2Seg รันบน Windows ไม่ได้ -> ต้องมีเครื่อง Linux
#   แต่ Kaggle ยกกลับบ้านไม่ได้ (พอปิดโน้ตบุ๊กเครื่องถูกล้าง)
#   ไฟล์นี้คือ "สูตร" ที่เอาไปสร้างเครื่องแบบเดียวกันที่ไหนก็ได้
#
# ===== ไฟล์นี้ทำอะไร =====
#   บอก Hugging Face Spaces ว่าต้องลงอะไรบ้าง ก็อปไฟล์อะไรไปไหน แล้วรันคำสั่งอะไร
#   (แปลมาจากเซลล์ SETUP ของ notebooks/kaggle_finetune_densenet.ipynb)
#
# ===== วิธีคิด — ลำดับการลง สำคัญมาก ห้ามสลับ =====
#   1. torch ก่อน       -> เพราะ detectron2 ต้อง compile ทับ torch ที่มีอยู่
#   2. detectron2       -> build จาก source (~5-10 นาที ช้าสุดในไฟล์นี้)
#   3. lib ของแอป       -> gradio, sklearn ฯลฯ
#   4. numpy 1.26.4 ท้ายสุด -> เพราะขั้น 2-3 อาจดึง numpy 2.x มาทับ
#                            ต้องกดกลับเป็น 1.26.4 เป็นขั้นสุดท้ายเสมอ
#                            (numpy 2.0 ลบ np.mat ที่ Pose2Seg ใช้ -> ไม่กดกลับ = พัง)
# ============================================================
FROM python:3.10-slim

# ---------- ของระบบที่ต้องมี ----------
RUN apt-get update && apt-get install -y --no-install-recommends \
        git \
        build-essential \
        libgl1 \
        libglib2.0-0 \
        ca-certificates \
    && rm -rf /var/lib/apt/lists/*
#   git            = ไว้ clone detectron2 กับ Pose2Seg
#   build-essential= คอมไพเลอร์ C++ (detectron2 ต้อง compile ตอนลง)
#   libgl1/libglib = opencv ต้องใช้ ไม่มีแล้ว import cv2 พัง

# ---------- สร้าง user ธรรมดา (HF Spaces แนะนำ ไม่ให้รันด้วย root) ----------
RUN useradd -m -u 1000 user
USER user
ENV HOME=/home/user \
    PATH=/home/user/.local/bin:$PATH
WORKDIR $HOME/app

# ============================================================
# ขั้น 1: torch (CPU) — ต้องมาก่อน detectron2
# ============================================================
# ใช้ CPU เพราะ HF Spaces ฟรีไม่มี GPU (รูป 1 ใบใช้เวลา ~5-15 วินาที ยอมรับได้)
RUN pip install --no-cache-dir --user \
        torch==2.1.2 torchvision==0.16.2 \
        --index-url https://download.pytorch.org/whl/cpu

# ============================================================
# ขั้น 2: detectron2 — build จาก source (ช้าที่สุด ~5-10 นาที)
# ============================================================
RUN pip install --no-cache-dir --user \
        'git+https://github.com/facebookresearch/detectron2.git'

# ============================================================
# ขั้น 3: lib ของแอป
# ============================================================
RUN pip install --no-cache-dir --user \
        scikit-learn==1.6.1 \
        opencv-python-headless \
        pillow \
        pandas \
        joblib \
        gradio
#   scikit-learn==1.6.1  = เวอร์ชันเดียวกับที่เทรน bmi_bundle.pkl (กันผลเพี้ยน)
#   opencv-headless      = opencv แบบไม่มี GUI (เซิร์ฟเวอร์ไม่มีจอ ใช้ตัวเต็มจะพัง)

# ============================================================
# ขั้น 4: กด numpy กลับเป็น 1.26.4 (ต้องเป็นขั้นสุดท้ายของการลง lib)
# ============================================================
RUN pip install --no-cache-dir --user --force-reinstall numpy==1.26.4
# ===== หัวใจ: ถ้าลืมบรรทัดนี้ Pose2Seg จะพังตอน import (np.mat หายไปใน numpy 2.0) =====

# ============================================================
# ขั้น 5: เอา lib ของ Pose2Seg มาเติมใน repo
# ============================================================
# repo 2DImage2BMI ขาด lib/transforms กับ lib/timer -> ต้อง clone Pose2Seg มาเอาเฉพาะ lib/
RUN git clone --depth 1 https://github.com/liruilong940607/Pose2Seg.git /tmp/pose2seg

# ============================================================
# ขั้น 6: ก็อปไฟล์ของเราเข้าเครื่อง
# ============================================================
COPY --chown=user 2DImage2BMI-main/ $HOME/app/2DImage2BMI-main/
RUN cp -r /tmp/pose2seg/lib $HOME/app/2DImage2BMI-main/lib && rm -rf /tmp/pose2seg

COPY --chown=user models/  $HOME/app/models/
COPY --chown=user results/ $HOME/app/results/
COPY --chown=user *.py     $HOME/app/

# ============================================================
# ขั้น 7: patch Detected.py (ตัด SCHP/PSP/CPM/CRFRNN ที่เราไม่มี)
# ============================================================
RUN python patch_detected.py $HOME/app/2DImage2BMI-main/Detected.py
# ถ้า patch ล้ม -> build ล้มทันที ดีกว่าไปพังตอนผู้ใช้กดปุ่ม

# ============================================================
# ขั้น 8: บอก features.py ว่าไฟล์อยู่ไหน
# ============================================================
ENV BMI_REPO=$HOME/app/2DImage2BMI-main \
    POSE2SEG_PKL=$HOME/app/models/pose2seg_release.pkl \
    DENSE_PT=$HOME/app/results/dense/dense_bmi_best.pt \
    BUNDLE_PATH=$HOME/app/results/dense/bmi_bundle.pkl \
    PORT=7860 \
    PYTHONUNBUFFERED=1
#   PYTHONUNBUFFERED=1 = ให้ print ออก log ทันที ไม่ค้างใน buffer (สำคัญตอนไล่ดู log บน HF)

# ---------- ตรวจตอน build ว่า import ผ่านจริงไหม ----------
# ทำตรงนี้เพื่อให้รู้ตั้งแต่ตอน build ว่าพัง ไม่ต้องรอผู้ใช้กดปุ่มแล้วค่อยพบ
RUN python -c "\
import sys; sys.path.insert(0, '$HOME/app/2DImage2BMI-main'); \
import numpy; print('numpy', numpy.__version__); \
import torch; print('torch', torch.__version__); \
import detectron2; print('detectron2 OK'); \
import cv2; print('cv2 OK'); \
import sklearn; print('sklearn', sklearn.__version__)"

EXPOSE 7860
CMD ["python", "app.py"]