# Usa una imagen base de Python ligera y moderna
FROM python:3.11-slim

# Permite elegir CPU o CUDA en build:
#  - TORCH_CUDA=cpu   -> instalar torch CPU
#  - TORCH_CUDA=cu121 -> instalar torch con CUDA 12.1
ARG TORCH_CUDA=cpu

# Establece el directorio de trabajo dentro del contenedor
WORKDIR /app

# Paquetes nativos necesarios
RUN apt-get update && apt-get install -y --no-install-recommends \
    libpq-dev \
    gcc \
    git \
    && rm -rf /var/lib/apt/lists/*

# Copia requirements primero para aprovechar caché
COPY requirements.txt .

# Instala dependencias Python "comunes"
RUN pip install --no-cache-dir -r requirements.txt

# Instala PyTorch según ARG (CPU o CUDA 12.1)
# (Versión de ejemplo; puedes alinear con tu stack)
RUN if [ "$TORCH_CUDA" = "cu121" ]; then \
      pip install --no-cache-dir --index-url https://download.pytorch.org/whl/cu121 \
        torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1; \
    else \
      pip install --no-cache-dir torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1; \
    fi

# Copia el resto del código
COPY . .

# Descarga recursos NLTK si tu app los necesita
# (si no los usas, comenta esta línea)
RUN python download_models.py || true

# Expone el puerto de Gunicorn (servicio web)
EXPOSE 8000

# El CMD lo define docker-compose para cada servicio