# DXA Quality Assessment — запуск сервиса в контейнере.
#
# Чекпоинт лежит внутри образа (models/dxa_model.pth копируется на этапе сборки),
# поэтому монтировать пути не нужно: ни каталог с моделями, ни данные.
# Данные для анализа загружаются через веб-интерфейс (http://localhost:8000).
#
# CPU — работает на любой машине, ничего кроме docker не требуется:
#   docker compose up -d                     # сервис dxa-cpu, порт 8000
#
# GPU — H200 и другие ускорители; нужен драйвер NVIDIA и nvidia-container-toolkit:
#   docker compose --profile cuda up -d dxa-cuda
#   имя сервиса указано явно: без него поднялись бы оба и разошлись по одному порту
#
# Пересобрать после правок кода: docker compose build [dxa-cpu|dxa-cuda]
# Логи:        docker compose logs -f dxa-cpu
# Состояние:   curl -s localhost:8000/api/v1/health
# Остановить:  docker compose down

name: dxa-quality

services:
  # Обычный инференс на CPU: torch ставится из CPU-индекса, GPU не используется.
  dxa-cpu:
    image: dxa-quality:cpu
    build:
      context: .
      dockerfile: Dockerfile
    ports:
      - "8000:8000"
    restart: unless-stopped

  # Инференс на GPU: базовый образ тот же, но torch собран под CUDA 12.6.
  # Профиль cuda — чтобы на машинах без NVIDIA сервис не мешал запуску по умолчанию.
  dxa-cuda:
    profiles: ["cuda"]
    image: dxa-quality:cuda
    build:
      context: .
      dockerfile: Dockerfile_cuda.txt
    ports:
      - "8000:8000"
    restart: unless-stopped
    environment:
      NVIDIA_VISIBLE_DEVICES: all
      NVIDIA_DRIVER_CAPABILITIES: compute,utility
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]