Update app.py

app.py

@@ -1,87 +1,100 @@
-# // Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
-# //
-# // Licensed under the Apache License, Version 2.0 (the "License");
-# // you may not use this file except in compliance with the License.
-# // You may obtain a copy of the License at
-# //
-# //     http://www.apache.org/licenses/LICENSE-2.0
-# //
-# // Unless required by applicable law or agreed to in writing, software
-# // distributed under the License is distributed on an "AS IS" BASIS,
-# // WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
-# // See the License for the specific language governing permissions and
-# // limitations under the License.
 import os
 import sys
 import subprocess
-import importlib
 
 # --- ETAPA 0: CONFIGURAÇÃO ROBUSTA DO AMBIENTE COM CONDA ---
 
-CONDA_PYTHON_EXECUTABLE = "/home/user/miniconda3/bin/python"
+# Define o caminho para o ambiente conda que vamos criar
+CONDA_ENV_PATH = os.path.abspath(os.path.join(os.getcwd(), "seedvr_env"))
+CONDA_PYTHON_EXECUTABLE = os.path.join(CONDA_ENV_PATH, "bin/python")
 
 # Verifica se o ambiente conda já foi configurado
+# Se o Python do nosso ambiente não existe, então a configuração precisa ser executada.
 if not os.path.exists(CONDA_PYTHON_EXECUTABLE):
-    print("Iniciando a configuração do ambiente Conda pela primeira vez. Isso pode levar alguns minutos...")
+    print("Iniciando a configuração do ambiente Conda pela primeira vez. Isso levará vários minutos...")
     
-    # Função para executar comandos no shell
+    # Função auxiliar para executar comandos no shell
     def run_command(command):
         subprocess.run(command, shell=True, check=True, executable='/bin/bash')
 
-    # Instala o Miniconda
-    print("Baixando e instalando o Miniconda...")
-    run_command("wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.11.0-2-Linux-x86_64.sh -O miniconda.sh")
-    run_command("bash miniconda.sh -b -p /home/user/miniconda3")
-    run_command("rm miniconda.sh")
+    # 1. Instala o Miniconda
+    if not os.path.exists("/home/user/miniconda3"):
+        print("Baixando e instalando o Miniconda...")
+        run_command("wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.11.0-2-Linux-x86_64.sh -O miniconda.sh")
+        run_command("bash miniconda.sh -b -p /home/user/miniconda3")
+        run_command("rm miniconda.sh")
+    
+    conda_executable = "/home/user/miniconda3/bin/conda"
     print("✅ Instalação do Miniconda concluída.")
 
-    # Define o caminho para o executável do Conda
-    conda_executable = "/home/user/miniconda3/bin/conda"
-    os.environ['PATH'] = f"/home/user/miniconda3/bin:{os.environ['PATH']}"
-
-    # Instala as dependências críticas com Conda (PyTorch, Apex pré-compilado)
-    print("Instalando PyTorch, Apex e dependências CUDA com Conda...")
-    run_command(f"{conda_executable} install -y -c pytorch -c nvidia pytorch torchvision pytorch-cuda=12.1 apex")
-    print("✅ Instalação de PyTorch e Apex via Conda concluída.")
-
-    # Instala as dependências restantes com o pip do ambiente conda
-    print("Instalando pacotes restantes com Pip (incluindo flash-attn)...")
-    pip_packages = [
-        "einops", "omegaconf", "lpips", "bson", "tensorflow", "opencv-python",
-        "sentencepiece", "diffusers", "rotary-embedding-torch", "transformers",
-        "tiktoken", "transformers_stream_generator", "torchmetrics", "pycocotools",
-        "torch-fidelity", "moviepy", "imageio", "tabulate", "deepdiff",
-        "parameterized", "mediapy", "av", "gradio",
-        "flash-attn" # Tenta instalar por último no ambiente já configurado
-    ]
-    run_command(f"{CONDA_PYTHON_EXECUTABLE} -m pip install {' '.join(pip_packages)} --no-build-isolation")
-    print("✅ Instalação das dependências do Pip concluída.")
-
-    print("\n*** Configuração do ambiente concluída. Reiniciando o script agora. ***\n")
+    # 2. Cria o ambiente Conda
+    print(f"Criando o ambiente Conda em: {CONDA_ENV_PATH}")
+    run_command(f"{conda_executable} create --prefix {CONDA_ENV_PATH} python=3.10 -y")
+    print("✅ Ambiente Conda criado.")
+
+    # 3. Instala PyTorch, Torchvision e cudatoolkit via Conda (o método mais robusto)
+    print("Instalando PyTorch e Torchvision com Conda...")
+    run_command(f"{conda_executable} install --prefix {CONDA_ENV_PATH} -y -c pytorch -c nvidia pytorch torchvision pytorch-cuda=12.1")
+    print("✅ PyTorch e Torchvision instalados.")
+    
+    # 4. Clona o repositório SeedVR
+    if not os.path.exists("SeedVR"):
+        run_command("git clone https://github.com/ByteDance-Seed/SeedVR.git")
+    os.chdir("SeedVR")
+    
+    # 5. Instala dependências do requirements.txt usando o pip do novo ambiente
+    print("Instalando dependências do requirements.txt...")
+    run_command(f"{CONDA_PYTHON_EXECUTABLE} -m pip install -r requirements.txt")
+    
+    # 6. Instala flash-attn, como especificado nas instruções
+    print("Instalando flash-attn...")
+    run_command(f"{CONDA_PYTHON_EXECUTABLE} -m pip install flash_attn==2.5.9.post1 --no-build-isolation")
+    print("✅ Todas as dependências foram instaladas.")
+
+    print("\n*** Configuração do ambiente concluída. Reiniciando o script no ambiente correto. ***\n")
     # Executa novamente o script, mas desta vez com o interpretador Python do Conda
     os.execle(CONDA_PYTHON_EXECUTABLE, CONDA_PYTHON_EXECUTABLE, *sys.argv)
 
 # A partir daqui, o script é executado pelo Python do ambiente Conda
 #---------------------------------------------------------------------
 
+# Garante que estamos no diretório certo (pode ter sido perdido na reinicialização)
+if not os.getcwd().endswith("SeedVR"):
+    if os.path.exists("SeedVR"):
+        os.chdir("SeedVR")
+
+# Importações principais (agora que o ambiente está pronto)
 import spaces
 from pathlib import Path
 from urllib.parse import urlparse
-from torch.hub import download_url_to_file
 import torch
+from torch.hub import download_url_to_file
+import mediapy
+from einops import rearrange
+from omegaconf import OmegaConf
+import datetime
+import gc
+from PIL import Image
+import gradio as gr
+import uuid
+import mimetypes
+import torchvision.transforms as T
+from torchvision.transforms import Compose, Lambda, Normalize
+from torchvision.io.video import read_video
 
-# --- ETAPA 1: Clonar o Repositório do GitHub ---
-repo_name = "SeedVR"
-if not os.path.exists(repo_name):
-    print(f"Clonando o repositório {repo_name} do GitHub...")
-    subprocess.run(f"git clone https://github.com/ByteDance-Seed/{repo_name}.git", shell=True, check=True)
+# Importações do projeto SeedVR
+from data.image.transforms.divisible_crop import DivisibleCrop
+from data.image.transforms.na_resize import NaResize
+from data.video.transforms.rearrange import Rearrange
+from common.config import load_config
+from common.distributed import init_torch
+from common.seed import set_seed
+from projects.video_diffusion_sr.infer import VideoDiffusionInfer
+from common.distributed.ops import sync_data
 
-# --- ETAPA 2: Mudar para o Diretório e Configurar o Ambiente ---
-os.chdir(repo_name)
-print(f"Diretório de trabalho alterado para: {os.getcwd()}")
-sys.path.insert(0, os.path.abspath('.'))
+print("Ambiente Conda verificado. Iniciando a aplicação...")
 
-# --- ETAPA 3: Baixar os Modelos Pré-treinados ---
+# --- ETAPA 1: Baixar os Modelos Pré-treinados ---
 print("Baixando modelos pré-treinados...")
 
 def load_file_from_url(url, model_dir='.', progress=True, file_name=None):
@@ -108,29 +121,7 @@ for key, url in pretrain_model_url.items():
     load_file_from_url(url=url, model_dir=model_dir)
 
 
-# --- ETAPA 4: Executar a Aplicação Principal ---
-import mediapy
-from einops import rearrange
-from omegaconf import OmegaConf
-import datetime
-import gc
-from PIL import Image
-import gradio as gr
-import uuid
-import mimetypes
-import torchvision.transforms as T
-from torchvision.transforms import Compose, Lambda, Normalize
-from torchvision.io.video import read_video
-
-from data.image.transforms.divisible_crop import DivisibleCrop
-from data.image.transforms.na_resize import NaResize
-from data.video.transforms.rearrange import Rearrange
-from common.config import load_config
-from common.distributed import init_torch
-from common.seed import set_seed
-from projects.video_diffusion_sr.infer import VideoDiffusionInfer
-from common.distributed.ops import sync_data
-
+# --- ETAPA 2: Executar a Aplicação Principal ---
 os.environ["MASTER_ADDR"] = "127.0.0.1"
 os.environ["MASTER_PORT"] = "12355"
 os.environ["RANK"] = str(0)