from __future__ import annotations  # включаем отложенную обработку аннотаций типов

import json  # импортируем модуль/пакет
import logging  # импортируем модуль/пакет
import os  # импортируем модуль/пакет
from typing import Any  # импортируем объекты из модуля
import matplotlib.pyplot as plt  # импортируем модуль/пакет

def get_device() -> str:  # объявляем функцию/метод
    try:  # выполняем инструкцию
        import torch  # импортируем модуль/пакет
        return "cuda" if torch.cuda.is_available() else "cpu"  # выполняем инструкцию
    except Exception:  # выполняем инструкцию
        return "cpu"  # выполняем инструкцию


def setup_logger(log_path: str) -> logging.Logger:  # объявляем функцию/метод
    os.makedirs(os.path.dirname(log_path), exist_ok=True)  # создаём папку, если она отсутствует
    logger = logging.getLogger("train_logger")  # выполняем инструкцию
    logger.setLevel(logging.INFO)  # выполняем инструкцию
    logger.handlers.clear()  # выполняем инструкцию

    fmt = logging.Formatter("%(asctime)s | %(levelname)s | %(message)s")  # выполняем инструкцию

    fh = logging.FileHandler(log_path, encoding="utf-8")  # выполняем инструкцию
    fh.setFormatter(fmt)  # выполняем инструкцию
    logger.addHandler(fh)  # выполняем инструкцию

    sh = logging.StreamHandler()  # выполняем инструкцию
    sh.setFormatter(fmt)  # выполняем инструкцию
    logger.addHandler(sh)  # выполняем инструкцию
    return logger  # выполняем инструкцию


def save_metrics(metrics: dict[str, Any], path: str) -> None:  # объявляем функцию/метод
    os.makedirs(os.path.dirname(path), exist_ok=True)  # создаём папку, если она отсутствует
    with open(path, "w", encoding="utf-8") as f:  # выполняем инструкцию
        json.dump(metrics, f, ensure_ascii=False, indent=2)  # выполняем инструкцию


def save_training_plot(epochs: list[int], losses: list[float], accs: list[float], path: str) -> None:  # объявляем функцию/метод
    os.makedirs(os.path.dirname(path), exist_ok=True)  # создаём папку, если она отсутствует
    plt.figure()  # выполняем инструкцию
    plt.plot(epochs, losses, label="Loss")  # выполняем инструкцию
    plt.plot(epochs, accs, label="Accuracy")  # выполняем инструкцию
    plt.xlabel("Epoch")  # выполняем инструкцию
    plt.legend()  # выполняем инструкцию
    plt.grid(True, alpha=0.3)  # выполняем инструкцию
    plt.tight_layout()  # выполняем инструкцию
    plt.savefig(path, dpi=120)  # выполняем инструкцию
    plt.close()  # выполняем инструкцию