# Dependencias del contenedor de entrenamiento `qwen-lora-train` (docker-compose.yml).
#
# Por que existe este archivo (Fase 6, riesgo #3 del plan): el contenedor de las Fases 3-5
# fue borrado y NADA en el repo fijaba estas versiones. Todo el estado de pip se perdio.
# Una version distinta de transformers puede cambiar la conversion de claves del checkpoint
# (-> los nombres del adapter dejan de matchear lo que espera 20_merge_lora.py) o el
# comportamiento de return_assistant_tokens_mask (-> el masking de 10_train.py entrena
# sobre tokens de system/user/tool sin avisar). Las dos fallas son silenciosas.
#
# Instalar con:
#   docker exec qwen-lora-train pip install -c /workspace/ai-projects/qwen3-6-lora/constraints.txt \
#       -r /workspace/ai-projects/qwen3-6-lora/requirements.train.txt
#
# El `-c constraints.txt` es obligatorio: fija torch al build de NGC que trae la imagen
# (nvcr.io/nvidia/pytorch:25.12-py3, aarch64/GB10). Sin el, cualquiera de estos paquetes
# puede arrastrar un torch de PyPI que no tiene el runtime CUDA de la imagen.
#
# Verificacion de que la instalacion quedo bien, antes de gastar una corrida:
#   1. 01_inspect_modules.py sobre el checkpoint merged imprime `model.layers.*`
#      (no `model.language_model.layers.*`)
#   2. el `trainable%` del smoke run de 2 pasos iguala al de la Fase 3
# Ambos estan en el runbook de la fase (pasos 6.2.7 y 6.4.20).

transformers==5.14.1
peft==0.19.1

# Cuantizacion NVFP4 (21_quantize_nvfp4.py). llmcompressor 0.12.0 es la version con la que
# se produjo el checkpoint que esta hoy en produccion.
llmcompressor==0.12.0

accelerate
datasets
compressed-tensors
safetensors

# bitsandbytes: lo necesita optim="adamw_8bit" en 10_train.py. Sin el, TrainingArguments
# falla al construir el optimizador, ya adentro de la corrida.
bitsandbytes

# NOTA: las cinco ultimas quedan sin pinear a proposito. Son aarch64/GB10 y no todas
# publican wheel para toda version; pinear a ciegas rompe la instalacion en vez de fijarla.
# Las versiones REALMENTE resueltas quedan registradas abajo.
#
# ORDEN DE INSTALACION -- NO es un solo `pip install -r`.
# ---------------------------------------------------------------------------------
# llmcompressor 0.12.0 declara `torch<=2.12.0,>=2.10.0`, y el torch de la imagen NGC es el
# pre-release `2.10.0a0+b4e4ee81d3.nv25.12`. Para el resolvedor de pip un `a0` es ANTERIOR a
# 2.10.0, asi que la restriccion no se satisface y el install entero falla con
# ResolutionImpossible -- aunque el torch instalado sea perfectamente funcional. Por eso
# llmcompressor y compressed-tensors se instalan con --no-deps y sus dependencias reales
# (que no son torch) se instalan aparte:
#
#   C=/workspace/ai-projects/qwen3-6-lora/constraints.txt
#   pip install --no-cache-dir -c $C transformers==5.14.1 peft==0.19.1 accelerate datasets \
#       bitsandbytes safetensors
#   pip install --no-cache-dir --no-deps llmcompressor==0.12.0 compressed-tensors
#   pip install --no-cache-dir -c $C loguru pydantic tqdm numpy pillow requests
#
# Verificacion (los dos invariantes del riesgo #3 del plan de fase), ya corrida en 6.2.7:
#   - 01_inspect_modules.py sobre el merged imprime `model.layers.0.linear_attn.*`  [OK]
#   - config.json del merged sha256-identico al del base (93a4693fa9d8392f...)      [OK]
#   - keysets del index identicos: 1045 tensores, 690 bajo model.language_model.*   [OK]
#   - el `trainable%` del smoke run iguala al de la Fase 3                          [paso 6.4.20]
#
# VERSIONES RESUELTAS (pip freeze del contenedor, Fase 6, 2026-07-30):
#   torch==2.10.0a0+b4e4ee81d3.nv25.12   (de la imagen, via constraints.txt)
#   transformers==5.14.1                 tokenizers==0.22.1
#   peft==0.19.1                         accelerate==1.14.0
#   datasets==4.4.1                      bitsandbytes==0.50.0
#   llmcompressor==0.12.0                compressed-tensors==0.17.1
#   safetensors==0.8.0                   numpy==2.1.0
#   loguru==0.7.3                        pydantic==2.12.5