Upload Dockerfile

Dockerfile

@@ -10,12 +10,33 @@ COPY . .
 ENV PORT=7860
 EXPOSE 7860
 
-# NOTA v8-intent (joint model): difiere del v6/v7-part6 en 2 flags
-#   --workers 1 (vs 2): el joint model bloquea ~1 vCPU completo por inferencia (GIL).
-#     CPU Basic free tiene 2 vCPU. Con 2 workers, ambos pelean por CPU+RAM en
-#     paralelo y la primera inferencia post-fork excedía los 120s del timeout,
-#     causando WORKER TIMEOUT → SIGKILL. Con 1 worker hay margen sobrado.
-#   --timeout 300 (vs 120): margen para primera inferencia post-fork con
-#     DistilBERT-multilingual + load state_dict + 2 heads + lazy kernel init.
-#     Inferencias posteriores son rápidas (~600-800ms warm).
-CMD ["gunicorn", "--bind", "0.0.0.0:7860", "--workers", "1", "--preload", "--timeout", "300", "bert_api:app"]
+# PYTHONUNBUFFERED=1 fuerza el flush inmediato de stdout/stderr en Python.
+# Sin esto, los print() del bert_api.py (carga del modelo, warmup, etc.) quedan
+# en buffer y NO aparecen en los Container logs de HF Spaces antes de SIGKILL.
+# Documentado en doc 40 §11.10 y en HF forum (foros.huggingface.co).
+ENV PYTHONUNBUFFERED=1
+
+# NOTA v8-intent (joint model): difiere del v6/v7-part6 en 3 flags críticos.
+# Causa raíz documentada en doc 40 §11.10 — bug conocido fork+OpenMP+PyTorch.
+#
+#   ❌ NO usar --preload con modelos PyTorch custom (JointIntentSlotModel).
+#      Bug pytorch/pytorch#49555 + gunicorn#2478: PyTorch inicializa su thread
+#      pool intra-op (OpenMP/MKL) en master. Tras fork(), los workers heredan
+#      el estado del runtime OpenMP pero NO los threads → deadlock infinito en
+#      el primer model.forward(). Síntoma: WORKER TIMEOUT exactamente al
+#      --timeout configurado.
+#      Solución (Opción A doc 40 §11.10): cargar el modelo en cada worker
+#      post-fork. Sin master pre-fork, sin OpenMP heredado, sin deadlock.
+#
+#   --workers 1: el joint model bloquea ~1 vCPU por GIL en cada inferencia.
+#      CPU Basic free tiene 2 vCPU. Con workers=1 hay margen y el modelo se
+#      carga UNA vez (sin --preload se cargaría por cada worker → +RAM si
+#      escaláramos workers).
+#
+#   --timeout 120: vuelta al default del v6/v7-part6. Sin el deadlock OpenMP,
+#      las inferencias son ~600-800ms warm. No hace falta el --timeout 300
+#      excepcional.
+#
+# Trade-off conocido: arranque del worker tarda ~30-60s (carga el modelo en
+# worker en lugar de heredarlo de master). Inferencias warm sin cambio.
+CMD ["gunicorn", "--bind", "0.0.0.0:7860", "--workers", "1", "--timeout", "120", "bert_api:app"]