# Instalación

La instalación de Headless AugeLab Studio varía según el sistema operativo. Sigue las instrucciones a continuación para tu plataforma específica.

## Windows

Usar el instalador de AugeLab Studio en Windows configura manualmente el runtime headless y es la forma recomendada de instalar Headless Studio en Windows.

## Linux

Instalar AugeLab Studio es muy sencillo en sistemas Linux. Sigue estos pasos.

No se recomienda instalar sobre el Python del sistema. Utiliza entornos virtuales (por ejemplo, \`venv\` o \`uv\`) para aislar la instalación. { % endhint %}

### Instalar dependencias

```bash
apt-get update -y && \
    apt-get install -y --no-install-recommends \
    libdmtx0b \
    zbar-tools \
    build-essential \
    libgl1-mesa-glx \
    curl \
    ca-certificates \
    && rm -rf /var/lib/apt/lists/*
```

### Instalar Python 3.12

Hay varias maneras de instalar Python 3.12 en sistemas Linux. Nuestra recomendación es usar `uv`. Si ya tienes `uv` instalado, salta al siguiente paso.

```bash
curl -fsSL https://astral.sh/uv/0.9.17/install.sh | bash -s -- -p /usr/local -v 1.4.6
uv python install 3.12
uv venv
```

### Instalar AugeLab Studio Headless

```bash
uv pip install studio --extra-index-url https://pyrepo.augelab.com --extra-index-url https://download.pytorch.org/whl/cpu --index-strategy unsafe-best-match
```

## Docker con CPU/CUDA en x86\_64

Hay varias imágenes Docker precompiladas para ejecutar Headless Studio. La primera opción es descargar una imagen existente de nuestro repositorio en Docker Hub:

### Imagen Docker CPU

#### Opción 1: Descargar la imagen

```bash
# change the version tag as needed
docker pull public.ecr.aws/o9c1t9b5/augelab-studio/ubuntu-cpu-studio:3.4.5
```

#### Opción 2: Crear desde cero

```dockerfile
FROM python:3.12-slim-bookworm

# Set a working directory inside the container
WORKDIR /app

# 2. Install System Dependencies identified from the workflow, install uv
RUN apt-get update -y && \
    apt-get install -y --no-install-recommends \
    libdmtx0b \
    zbar-tools \
    build-essential \
    libgl1-mesa-glx \
    curl \
    ca-certificates \
    && rm -rf /var/lib/apt/lists/*

# Download the latest installer
ADD https://astral.sh/uv/0.9.17/install.sh /uv-installer.sh

# Run the installer then remove it
RUN sh /uv-installer.sh && rm /uv-installer.sh

# Ensure the installed binary is on the `PATH`
ENV PATH="/root/.local/bin/:$PATH"

# 4. Install Python Dependencies using pip
RUN uv pip install studio==3.4.5 --system --extra-index-url https://pyrepo.augelab.com --extra-index-url https://download.pytorch.org/whl/cpu --index-strategy unsafe-best-match
```

### Imagen GPU/CUDA

AugeLab Studio también soporta aceleración CUDA para escenarios headless. Hay imágenes Docker precompiladas disponibles para varias versiones de CUDA:

```bash
# change the version tag as needed
docker pull public.ecr.aws/o9c1t9b5/augelab-studio/ubuntu-gpu-studio:3.4.5
```

Construir la imagen por tu cuenta puede llevar 3–4 horas y varias iteraciones. Si deseas compilar tu propia imagen, contáctanos para obtener instrucciones detalladas.

## ARM64 (Raspberry Pi, Jetson Nano/AGX)

AugeLab Studio soporta arquitectura ARM64 para uso headless en dispositivos como Raspberry Pi y la serie NVIDIA Jetson. A continuación se muestran las instrucciones de instalación para estas plataformas.

## Raspberry Pi 4x

Para instalar Headless Studio en Raspberry Pi OS (64-bit), sigue los mismos pasos que para Linux arriba. Asegúrate de tener Python 3.12 instalado vía `uv` u otro método antes de instalar el paquete Studio.

## Jetson Nano/AGX

Los dispositivos Jetson funcionan en arquitectura ARM64 y requieren versiones específicas de CUDA y varias compilaciones.

La instalación por CPU es similar a la descrita para Linux más arriba, pero para soporte GPU/CUDA en Jetson, contáctanos para instrucciones detalladas y paquetes precompilados adecuados para los dispositivos Jetson.