# requirements.txt — PX Cognitive Architecture Explorer
#
# HF Space neuralworm/px-explorer-v4 (cpu-basic-Hardware, GPU-Runtime
# für später geplant). Pre-requirements.txt-Stand crashte mit:
#   ModuleNotFoundError: No module named 'torch'
# in model_manager.py:8.
#
# Pinning-Strategie:
#   - torch~=2.12.0 (compatible-release, Patch-Versionen erlaubt).
#     Standard-PyPI-Build ohne Suffix — pip installiert automatisch
#     die CUDA-Libs mit (User-Wahl 2026-07-08). Spart 2.4 GB cu130-wheel-
#     Download + OOM auf HF free-tier 16 GB build-RAM.
#   - transformers~=5.13.0: erforderlich für unsere 5.13.0-API-Refactor-
#     Commits (pe_dict[layer_type], position_embeddings= positional,
#     inputs_embeds plural). Minor eingefroren.
#   - alles andere: ~= für Sicherheitspatches.
#
# GPU-PLAN: User will CUDA-fähiges torch installiert haben. Standard-torch
# bringt CUDA-Libs mit, läuft auf cpu-basic ohne Crash (torch.cuda.is_
# available() == False, models laden auf CPU). Bei späterem Switch auf
# gpu-runtime wird torch automatisch CUDA nutzen.

# ── ML-Stack ──────────────────────────────────────────────────────────
torch~=2.12.0
# Plan 2026-07-09: torchvision erforderlich für gemma4-e2b multimodal
# (image_processing_gemma4.py:17 importiert torchvision.transforms.v2).
# Ohne torchvision crashed der ModelManager-Load mit ModuleNotFoundError.
# WICHTIG: torchvision 0.28.0 pinned torch==2.13.0 (Konflikt mit unserem
# torch~=2.12.0). 0.27.0 pinned torch==2.12.0 → kompatibel.
torchvision~=0.27.0
transformers~=5.13.0
accelerate~=1.12.0
bitsandbytes~=0.48.0
huggingface_hub~=1.22.0
tokenizers~=0.22.2
safetensors~=0.8.0
sentencepiece~=0.2.0
protobuf~=5.28.0

# ── Numerik / Visualisierung ──────────────────────────────────────────
# numpy==2.0.0 EXAKT pinnen: pip 24+ löst numpy~=2.0.0 manchmal zu
# numpy-2.0.2.tar.gz (sdist) auf → 18.9 MB Source + Build (Compiler,
# Linker, numpy-Build-System) brauchen >10 GB RAM → OOM auf HF free
# tier 16 GB. Mit ==2.0.0 findet pip garantiert die
# numpy-2.0.0-cp313-cp313-manylinux_2_27_x86_64.whl (binary wheel,
# kein Compile). User-Feedback 2026-07-08: "numpy install wird von
# source gemacht... immer wheels verwenden. duh!".
numpy==2.0.0
Pillow~=11.0.0
matplotlib~=3.10.0
requests~=2.32.0

# ── Server-Stack (HF-Image hat das, aber explizit pinnen für Repro) ──
gradio~=6.15.2
fastapi~=0.136.0
uvicorn~=0.32.0
websockets~=13.0
spaces~=0.50.4
# spaces 0.43.0+ erforderlich — HF gradio-Docker-Image startet intern
# gradio/utils.py:322 watchdog-thread mit `spaces>0.43.0` requirement.
# 0.42.0 crasht mit RuntimeError "Spaces hot-reloading requires spaces>0.43.0".
hf-transfer~=0.1.4