# 选择一个包含 Python 的基础镜像，考虑一个带编译工具的以防某些库需要编译
FROM nvidia/cuda:12.6.0-devel-ubuntu22.04

# 设置时区（可选，但对于日志时间戳有好处）
ENV TZ=Asia/Shanghai
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone

# 设置工作目录
WORKDIR /app

# 安装系统依赖（例如 OpenCV 可能需要）
# libgl1-mesa-glx 是常见的桌面OpenGL库，对于 headless server 来说，libgl1可能就够了
# 有些版本的OpenCV需要特定的共享库
RUN apt-get update && apt-get install -y --no-install-recommends \
    libgl1 \
    libglib2.0-0 libsm6 libxext6 libxrender-dev \
    && apt-get clean && rm -rf /var/lib/apt/lists/*

# 安装 Python 和 pip
RUN apt-get update && apt-get install -y python3 python3-pip

ENV OMP_NUM_THREADS=1

# 复制依赖文件并安装
COPY requirements.txt .
RUN pip install torch==2.6.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
RUN pip install --no-cache-dir -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt 

# 复制整个应用代码和模型到容器中
COPY . .

# 确保模型目录存在且模型已复制 (Dockerfile中的COPY指令会处理此问题)
# 运行前检查模型路径是否正确:
# RUN ls -lR app/models/ # 这可以帮助你在构建时调试路径问题

# 暴露API服务运行的端口
EXPOSE 8000

# 容器启动时运行的命令
# 使用 --host 0.0.0.0 使服务可以从容器外部访问
# --reload 用于开发，生产中通常不使用
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]