feat: atualização do detector com otimizações para GPU T4

src/main.py

@@ -13,32 +13,79 @@ logging.basicConfig(
 )
 logger = logging.getLogger(__name__)
 
+def check_cuda_environment():
+    """Verifica e configura o ambiente CUDA."""
+    try:
+        # Verificar variáveis de ambiente CUDA
+        cuda_path = os.getenv('CUDA_HOME') or os.getenv('CUDA_PATH')
+        if not cuda_path:
+            logger.warning("Variáveis de ambiente CUDA não encontradas")
+            return False
+            
+        # Verificar se CUDA está disponível no PyTorch
+        if not torch.cuda.is_available():
+            logger.warning("PyTorch não detectou CUDA")
+            return False
+            
+        # Tentar obter informações da GPU
+        try:
+            device_count = torch.cuda.device_count()
+            if device_count > 0:
+                device_name = torch.cuda.get_device_name(0)
+                logger.info(f"GPU detectada: {device_name}")
+                return True
+        except Exception as e:
+            logger.warning(f"Erro ao obter informações da GPU: {str(e)}")
+            
+        return False
+    except Exception as e:
+        logger.error(f"Erro ao verificar ambiente CUDA: {str(e)}")
+        return False
+
 def setup_zero_gpu():
     """Configurações otimizadas para Zero-GPU."""
     try:
-        # Forçar inicialização da GPU
+        # Verificar ambiente CUDA primeiro
+        if not check_cuda_environment():
+            logger.warning("Ambiente CUDA não está configurado corretamente")
+            return False
+            
+        # Tentar inicializar GPU
         if is_gpu_available():
-            force_gpu_init()
-            # Limpar cache CUDA
+            # Configurar ambiente
+            os.environ['CUDA_DEVICE_ORDER'] = 'PCI_BUS_ID'
+            os.environ['CUDA_VISIBLE_DEVICES'] = '0'
+            
+            # Limpar memória
             torch.cuda.empty_cache()
             gc.collect()
-        
-            # Configurações para otimizar memória
+            
+            # Configurações de memória e performance
             os.environ['PYTORCH_CUDA_ALLOC_CONF'] = 'max_split_size_mb:128'
             torch.backends.cuda.matmul.allow_tf32 = True
             torch.backends.cudnn.benchmark = True
             torch.backends.cudnn.allow_tf32 = True
             
-            # Configurar device map para melhor utilização da memória
-            os.environ['CUDA_VISIBLE_DEVICES'] = '0'
-            torch.cuda.set_per_process_memory_fraction(0.9)  # Usar 90% da memória disponível
+            # Configurar fração de memória
+            torch.cuda.set_per_process_memory_fraction(0.9)
             
-            logger.info(f"Configurações Zero-GPU aplicadas com sucesso na GPU: {torch.cuda.get_device_name(0)}")
+            # Verificar se a configuração foi bem sucedida
+            try:
+                device = torch.device('cuda')
+                dummy = torch.zeros(1, device=device)
+                del dummy
+                logger.info(f"Configurações Zero-GPU aplicadas com sucesso na GPU: {torch.cuda.get_device_name(0)}")
+                return True
+            except Exception as e:
+                logger.error(f"Erro ao configurar GPU: {str(e)}")
+                return False
         else:
             logger.warning("GPU não disponível para configuração Zero-GPU. O sistema operará em modo CPU.")
+            return False
     except Exception as e:
         logger.error(f"Erro ao configurar Zero-GPU: {str(e)}")
         logger.warning("Fallback para modo CPU devido a erro na configuração da GPU.")
+        return False
 
 def main():
     """Função principal que inicia a aplicação."""
@@ -50,19 +97,20 @@ def main():
         if IS_HUGGINGFACE:
             load_dotenv('.env.huggingface')
             logger.info("Ambiente HuggingFace detectado")
-            setup_zero_gpu()
+            gpu_available = setup_zero_gpu()
         else:
             load_dotenv('.env')
             logger.info("Ambiente local detectado")
+            gpu_available = False
         
         # Criar e configurar interface
         interface = GradioInterface()
         demo = interface.create_interface()
         
         if IS_HUGGINGFACE:
-            # Calcular número ideal de workers baseado na GPU
-            if is_gpu_available():
-                gpu_mem = torch.cuda.get_device_properties(0).total_memory / (1024**3)  # em GB
+            # Configurar com base na disponibilidade da GPU
+            if gpu_available:
+                gpu_mem = torch.cuda.get_device_properties(0).total_memory / (1024**3)
                 max_concurrent = 1  # Forçar single worker para Zero-GPU
                 logger.info(f"GPU Memory: {gpu_mem:.1f}GB, Max Concurrent: {max_concurrent}")
             else:
@@ -70,13 +118,14 @@ def main():
                 logger.warning("GPU não disponível. O sistema está operando em modo CPU. " +
                              "Todas as funcionalidades estão disponíveis, mas o processamento será mais lento.")
             
-            # Primeiro configurar a fila
+            # Configurar fila
             demo = demo.queue(
                 api_open=False,
                 status_update_rate="auto",
                 max_size=5  # Reduzir tamanho da fila para economizar memória
             )
-            # Depois fazer o launch
+            
+            # Launch
             demo.launch(
                 server_name="0.0.0.0",
                 server_port=7860,
@@ -84,7 +133,6 @@ def main():
                 max_threads=2  # Reduzir número de threads
             )
         else:
-            # Ambiente local - apenas launch direto
             demo.launch(
                 server_name="0.0.0.0",
                 server_port=7860,