| FROM python:3.11-slim | |
| WORKDIR /app | |
| COPY requirements.txt . | |
| RUN pip install --no-cache-dir -r requirements.txt | |
| COPY . . | |
| ENV PORT=7860 | |
| EXPOSE 7860 | |
| # PYTHONUNBUFFERED=1 fuerza el flush inmediato de stdout/stderr en Python. | |
| # Sin esto, los print() del bert_api.py (carga del modelo, warmup, etc.) quedan | |
| # en buffer y NO aparecen en los Container logs de HF Spaces antes de SIGKILL. | |
| # Documentado en doc 40 §11.10 y en HF forum (foros.huggingface.co). | |
| ENV PYTHONUNBUFFERED=1 | |
| # NOTA v8-intent (joint model): difiere del v6/v7-part6 en 3 flags críticos. | |
| # Causa raíz documentada en doc 40 §11.10 — bug conocido fork+OpenMP+PyTorch. | |
| # | |
| # ❌ NO usar --preload con modelos PyTorch custom (JointIntentSlotModel). | |
| # Bug pytorch/pytorch#49555 + gunicorn#2478: PyTorch inicializa su thread | |
| # pool intra-op (OpenMP/MKL) en master. Tras fork(), los workers heredan | |
| # el estado del runtime OpenMP pero NO los threads → deadlock infinito en | |
| # el primer model.forward(). Síntoma: WORKER TIMEOUT exactamente al | |
| # --timeout configurado. | |
| # Solución (Opción A doc 40 §11.10): cargar el modelo en cada worker | |
| # post-fork. Sin master pre-fork, sin OpenMP heredado, sin deadlock. | |
| # | |
| # --workers 1: el joint model bloquea ~1 vCPU por GIL en cada inferencia. | |
| # CPU Basic free tiene 2 vCPU. Con workers=1 hay margen y el modelo se | |
| # carga UNA vez (sin --preload se cargaría por cada worker → +RAM si | |
| # escaláramos workers). | |
| # | |
| # --timeout 120: vuelta al default del v6/v7-part6. Sin el deadlock OpenMP, | |
| # las inferencias son ~600-800ms warm. No hace falta el --timeout 300 | |
| # excepcional. | |
| # | |
| # Trade-off conocido: arranque del worker tarda ~30-60s (carga el modelo en | |
| # worker en lugar de heredarlo de master). Inferencias warm sin cambio. | |
| CMD ["gunicorn", "--bind", "0.0.0.0:7860", "--workers", "1", "--timeout", "120", "bert_api:app"] | |