BACKEND-CheckScan / config.py
SamilG2's picture
feat: coach Qwen+LoRA en deploy
ec62aa2
Raw History Blame Contribute Delete
3.19 kB
import os
_ROOT = os.path.abspath(os.path.join(os.path.dirname(__file__), '..'))
# ─── Modelos ─────────────────────────────────────────────────────────────────
TROCR_MODEL_PATH = os.getenv("TROCR_MODEL_PATH", os.path.join(_ROOT, "data", "models", "trocr_finetuned"))
# Modelo Qwen para los comentarios (coach fine-tuned con LoRA, en GGUF).
# QWEN_MODEL_PATH es la ruta LOCAL del archivo. Si ese archivo no existe (p. ej.
# en el deploy, donde el GGUF no estΓ‘ en el repo por peso), qwen.py lo descarga
# automΓ‘ticamente de QWEN_COACH_REPO en HF Hub β€” mismo patrΓ³n que TrOCR.
_QWEN_COACH = os.path.join(_ROOT, "data", "models", "qwen-coach-q4_k_m.gguf")
QWEN_MODEL_PATH = os.getenv("QWEN_MODEL_PATH") or _QWEN_COACH
# Repo pΓΊblico de HF Hub con el GGUF del coach. AJUSTA al nombre real de tu repo.
QWEN_COACH_REPO = os.getenv("QWEN_COACH_REPO", "SamilG2/qwen-coach-checkscan")
QWEN_COACH_FILENAME = os.getenv("QWEN_COACH_FILENAME", "qwen-coach-q4_k_m.gguf")
# ─── Stockfish (motor UCI) ───────────────────────────────────────────────────
# En Windows colocar stockfish.exe en backend/engines/ (ver AGENTS.md).
_DEFAULT_STOCKFISH = os.path.join(os.path.dirname(__file__), "engines",
"stockfish.exe" if os.name == "nt" else "stockfish")
STOCKFISH_PATH = os.getenv("STOCKFISH_PATH", _DEFAULT_STOCKFISH)
STOCKFISH_DEPTH = int(os.getenv("STOCKFISH_DEPTH", "15"))
STOCKFISH_THREADS = int(os.getenv("STOCKFISH_THREADS", "2"))
STOCKFISH_HASH_MB = int(os.getenv("STOCKFISH_HASH_MB", "256"))
# ─── TrOCR (inferencia) ──────────────────────────────────────────────────────
# Batch size para transcribir celdas (mayor β†’ menos forward passes, mΓ‘s RAM).
TROCR_BATCH_SIZE = int(os.getenv("TROCR_BATCH_SIZE", "8"))
# CuantizaciΓ³n INT8 dinΓ‘mica en CPU (3-4x mΓ‘s rΓ‘pido, <1% pΓ©rdida de accuracy).
# Se desactiva automΓ‘ticamente si hay GPU CUDA disponible.
TROCR_QUANTIZE = os.getenv("TROCR_QUANTIZE", "auto").lower() # "auto" | "true" | "false"
# ─── Modelo de comentarios (entrenador) ──────────────────────────────────────
# Selecciona quΓ© modelo genera la retroalimentaciΓ³n estratΓ©gica por jugada:
# "deterministic" β†’ Experimento A: modelo determinΓ­stico propio (modules.deterministic)
# "qwen" β†’ Experimento B: LLM Qwen2.5 (modules.llm)
# Ambos son intercambiables; se conserva Qwen para la comparaciΓ³n (DO-002).
COACH_MODEL = os.getenv("COACH_MODEL", "deterministic").lower()
# ─── App ─────────────────────────────────────────────────────────────────────
MAX_UPLOAD_MB = 10
ALLOWED_EXTENSIONS = {"jpg", "jpeg", "png"}