[Feat] GPU 지원 Dockerfile 적용 (CUDA 12.4 + cuDNN)

Author: chanudevelop

Dockerfile

@@ -1,20 +1,25 @@
 # ===========================================
-# PIILOT AI Server Dockerfile
+# PIILOT AI Server Dockerfile (GPU 버전)
 # ===========================================
-# Python 3.11 + 시스템 의존성 (ffmpeg, OpenCV 등)
-# AI 모델은 이미지에 포함하지 않고, Docker Volume으로 캐시합니다.
-# (처음 시작할 때 자동 다운로드, 이후엔 캐시에서 로드)
+# NVIDIA CUDA 12.4 + cuDNN 기반 이미지
+# g4dn.xlarge (T4 GPU) 에서 사용합니다.
 # ===========================================
 
-FROM python:3.11-slim
+FROM nvidia/cuda:12.4.1-cudnn-runtime-ubuntu22.04
+
+# Python 3.11 설치
+RUN apt-get update && apt-get install -y \
+    software-properties-common \
+    && add-apt-repository ppa:deadsnakes/ppa \
+    && apt-get update && apt-get install -y \
+    python3.11 \
+    python3.11-venv \
+    python3.11-dev \
+    python3-pip \
+    && update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 1 \
+    && rm -rf /var/lib/apt/lists/*
 
 # 시스템 의존성 설치
-# - build-essential, libpq-dev: Python 패키지 빌드에 필요
-# - libgl1 (libgl1-mesa-dri): OpenCV용 OpenGL (libgl1-mesa-glx는 Debian trixie에서 삭제됨)
-# - libglib2.0-0, libsm6, libxext6, libxrender-dev: OpenCV (이미지 처리)
-# - libgomp1: XGBoost (머신러닝)
-# - ffmpeg: 오디오/비디오 처리 (Whisper STT, 비디오 마스킹)
-# - curl: 헬스체크용
 RUN apt-get update && apt-get install -y \
     build-essential \
     libpq-dev \
@@ -30,27 +35,29 @@ RUN apt-get update && apt-get install -y \
 
 WORKDIR /app
 
-# 의존성 먼저 설치 (캐시 활용)
-# requirements.txt가 바뀌지 않으면 pip install을 건너뜁니다
+# PyTorch CUDA 버전 먼저 설치 (캐시 활용)
+RUN pip3 install --no-cache-dir \
+    torch torchvision torchaudio \
+    --index-url https://download.pytorch.org/whl/cu124
+
+# 나머지 의존성 설치
 COPY requirements.txt .
-RUN pip install --no-cache-dir -r requirements.txt
+RUN pip3 install --no-cache-dir -r requirements.txt
 
 # 애플리케이션 코드 복사
 COPY . .
 
-# 출력 디렉토리 생성 (마스킹 결과 파일 저장용)
+# 출력 디렉토리 생성
 RUN mkdir -p /app/output_file/documents \
     /app/output_file/images \
     /app/output_file/videos \
     /app/output_file/audio
 
-# 8000 포트 사용
 EXPOSE 8000
 
-# 헬스체크: 30초마다 /health 호출
-# start_period: 120초 (AI 모델 로딩 시간이 길어서 2분 대기)
-HEALTHCHECK --interval=30s --timeout=10s --start-period=120s --retries=3 \
+# 헬스체크
+HEALTHCHECK --interval=30s --timeout=10s --start-period=300s --retries=3 \
     CMD curl -f http://localhost:8000/health || exit 1
 
 # FastAPI 서버 실행
-CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]
+CMD ["python3", "-m", "uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]

Dockerfile.cpu

@@ -0,0 +1,56 @@
+# ===========================================
+# PIILOT AI Server Dockerfile
+# ===========================================
+# Python 3.11 + 시스템 의존성 (ffmpeg, OpenCV 등)
+# AI 모델은 이미지에 포함하지 않고, Docker Volume으로 캐시합니다.
+# (처음 시작할 때 자동 다운로드, 이후엔 캐시에서 로드)
+# ===========================================
+
+FROM python:3.11-slim
+
+# 시스템 의존성 설치
+# - build-essential, libpq-dev: Python 패키지 빌드에 필요
+# - libgl1 (libgl1-mesa-dri): OpenCV용 OpenGL (libgl1-mesa-glx는 Debian trixie에서 삭제됨)
+# - libglib2.0-0, libsm6, libxext6, libxrender-dev: OpenCV (이미지 처리)
+# - libgomp1: XGBoost (머신러닝)
+# - ffmpeg: 오디오/비디오 처리 (Whisper STT, 비디오 마스킹)
+# - curl: 헬스체크용
+RUN apt-get update && apt-get install -y \
+    build-essential \
+    libpq-dev \
+    libgl1 \
+    libglib2.0-0 \
+    libsm6 \
+    libxext6 \
+    libxrender-dev \
+    libgomp1 \
+    ffmpeg \
+    curl \
+    && rm -rf /var/lib/apt/lists/*
+
+WORKDIR /app
+
+# 의존성 먼저 설치 (캐시 활용)
+# requirements.txt가 바뀌지 않으면 pip install을 건너뜁니다
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+# 애플리케이션 코드 복사
+COPY . .
+
+# 출력 디렉토리 생성 (마스킹 결과 파일 저장용)
+RUN mkdir -p /app/output_file/documents \
+    /app/output_file/images \
+    /app/output_file/videos \
+    /app/output_file/audio
+
+# 8000 포트 사용
+EXPOSE 8000
+
+# 헬스체크: 30초마다 /health 호출
+# start_period: 120초 (AI 모델 로딩 시간이 길어서 2분 대기)
+HEALTHCHECK --interval=30s --timeout=10s --start-period=120s --retries=3 \
+    CMD curl -f http://localhost:8000/health || exit 1
+
+# FastAPI 서버 실행
+CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]

Dockerfile.gpu

@@ -0,0 +1,63 @@
+# ===========================================
+# PIILOT AI Server Dockerfile (GPU 버전)
+# ===========================================
+# NVIDIA CUDA 12.4 + cuDNN 기반 이미지
+# g4dn.xlarge (T4 GPU) 에서 사용합니다.
+# ===========================================
+
+FROM nvidia/cuda:12.4.1-cudnn-runtime-ubuntu22.04
+
+# Python 3.11 설치
+RUN apt-get update && apt-get install -y \
+    software-properties-common \
+    && add-apt-repository ppa:deadsnakes/ppa \
+    && apt-get update && apt-get install -y \
+    python3.11 \
+    python3.11-venv \
+    python3.11-dev \
+    python3-pip \
+    && update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 1 \
+    && rm -rf /var/lib/apt/lists/*
+
+# 시스템 의존성 설치
+RUN apt-get update && apt-get install -y \
+    build-essential \
+    libpq-dev \
+    libgl1 \
+    libglib2.0-0 \
+    libsm6 \
+    libxext6 \
+    libxrender-dev \
+    libgomp1 \
+    ffmpeg \
+    curl \
+    && rm -rf /var/lib/apt/lists/*
+
+WORKDIR /app
+
+# PyTorch CUDA 버전 먼저 설치 (캐시 활용)
+RUN pip3 install --no-cache-dir \
+    torch torchvision torchaudio \
+    --index-url https://download.pytorch.org/whl/cu124
+
+# 나머지 의존성 설치
+COPY requirements.txt .
+RUN pip3 install --no-cache-dir -r requirements.txt
+
+# 애플리케이션 코드 복사
+COPY . .
+
+# 출력 디렉토리 생성
+RUN mkdir -p /app/output_file/documents \
+    /app/output_file/images \
+    /app/output_file/videos \
+    /app/output_file/audio
+
+EXPOSE 8000
+
+# 헬스체크
+HEALTHCHECK --interval=30s --timeout=10s --start-period=300s --retries=3 \
+    CMD curl -f http://localhost:8000/health || exit 1
+
+# FastAPI 서버 실행
+CMD ["python3", "-m", "uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]