first test

Dockerfile

@@ -1,21 +1,26 @@
 # 1) Imagen base con PyTorch + CUDA 11.7 (T4 compatible)
 FROM pytorch/pytorch:2.0.1-cuda11.7-cudnn8-runtime
 
-# 2) Directorio de trabajo
+# 2) Redirige el cache de HF/transformers a un dir dentro de /app
+ENV HF_HOME=/app/.cache \
+    TRANSFORMERS_CACHE=/app/.cache \
+    XDG_CACHE_HOME=/app/.cache
+
 WORKDIR /app
 
-# 3) Copia todo el contenido del repo (run.py, test.jpg, etc.)
+# 3) Copia todo el repo (incluye test.jpg, run.py, etc.)
 COPY . .
 
-# 4) Instala las dependencias Python necesarias
-RUN pip install --no-cache-dir \
-        sam2 \
-        torch \
-        transformers \
-        diffusers \
-        huggingface_hub \
-        numpy \
-        Pillow
+# 4) Crea la carpeta de caché y instala deps
+RUN mkdir -p /app/.cache && \
+    pip install --no-cache-dir \
+      sam2 \
+      torch \
+      transformers \
+      diffusers \
+      huggingface_hub \
+      numpy \
+      Pillow
 
-# 5) Define el ENTRYPOINT para que al iniciar ejecute run.py
+# 5) Al arranque, ejecuta run.py (usará test.jpg y prompt por defecto)
 ENTRYPOINT ["python", "run.py"]

run.py

@@ -7,6 +7,8 @@ import uuid
 import numpy as np
 from PIL import Image, ImageFilter
 
+os.makedirs(os.environ["TRANSFORMERS_CACHE"], exist_ok=True)
+
 # Dependencias
 try:
     import torch
@@ -79,7 +81,11 @@ def main():
     device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
     # CLIP: load
-    clip_model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32").to(device)
+    clip_model = CLIPModel.from_pretrained(
+    "openai/clip-vit-base-patch32",
+    from_tf=True,
+    cache_dir=os.environ["TRANSFORMERS_CACHE"]
+    ).to(device)
     clip_processor = CLIPProcessor.from_pretrained("openai/clip-vit-base-patch32")
     text_inputs = clip_processor(text=CLOTHING_LABELS, return_tensors="pt", padding=True).to(device)
     with torch.no_grad():