Skip to content

QUICKSTART.md

Latest commit

 

History

History
208 lines (162 loc) · 4.16 KB

QUICKSTART.md

File metadata and controls

208 lines (162 loc) · 4.16 KB

🚀 Neural Nexus - Quick Start Guide

Instalación Rápida

1. Clonar Repositorio

git clone https://github.com/mechmind-dwv/core-system.git
cd core-system

2. Configuración Inicial

# Copiar configuración de ejemplo
cp .env.example .env

# Editar variables de entorno
nano .env

3. Desarrollo Local

Opción A: Docker (Recomendado)

# Levantar todos los servicios
make docker-up

# Verificar servicios
docker-compose ps

# Ver logs
docker-compose logs -f neural-nexus-orchestrator

Opción B: Desarrollo Nativo

# Crear entorno virtual
python3 -m venv venv
source venv/bin/activate

# Instalar dependencias
make install

# Ejecutar orchestrator
cargo run --bin neural-nexus-orchestrator

# En otra terminal: ejecutar node
cargo run --bin neural-nexus-node

4. Verificar Instalación

# Health check del orchestrator
curl http://localhost:8080/health

# Métricas
curl http://localhost:8080/metrics

# Lista de nodos
curl http://localhost:8080/api/v1/nodes

5. Despliegue en Edge Device

Raspberry Pi

# SSH a tu Raspberry Pi
ssh pi@raspberrypi.local

# Ejecutar instalador
curl -sSL https://install.neural-nexus.dev/rpi | bash

# O manualmente con Docker
docker run -d --name neural-nexus-rpi \
  --restart unless-stopped \
  -v /opt/neural-nexus:/app/data \
  -p 8080:8080 \
  -e ORCHESTRATOR_URL=http://your-orchestrator:8080 \
  neuralnexus/raspberry-pi:latest

NVIDIA Jetson

# Con GPU acceleration
docker run -d --name neural-nexus-jetson \
  --runtime nvidia \
  --restart unless-stopped \
  -v /opt/neural-nexus:/app/data \
  -p 8080:8080 \
  -e GPU_ACCELERATION=true \
  neuralnexus/jetson:latest

Primeros Pasos

Registrar un Nodo Edge

import requests

response = requests.post('http://localhost:8080/api/v1/nodes/register', json={
    'node_id': 'my-edge-node-001',
    'node_type': 'raspberry-pi',
    'capabilities': ['inference', 'monitoring'],
    'hardware_info': {
        'cpu_cores': 4,
        'memory_mb': 4096,
        'gpu_available': False
    }
})

print(response.json())

Ejecutar Inferencia

import requests
import numpy as np

# Preparar datos
input_data = np.random.randn(1, 3, 224, 224).tolist()

# Enviar request
response = requests.post('http://localhost:8080/api/v1/inference', json={
    'model_name': 'resnet50',
    'input_data': input_data,
    'priority': 5
})

result = response.json()
print(f"Inferencia completada en {result['processing_time_ms']}ms")
print(f"Outputs: {result['outputs']}")

Monitorear Métricas

# Acceder a Grafana
open http://localhost:3000

# Usuario: admin
# Contraseña: neural_nexus_admin

# Dashboards pre-configurados:
# - Sistema Overview
# - Node Performance
# - Inference Metrics
# - Resource Usage

Troubleshooting

Problema: Servicios no arrancan

# Verificar logs
docker-compose logs

# Reiniciar servicios
make docker-down
make docker-up

# Verificar puertos
sudo netstat -tulpn | grep -E '8080|50051|5432|6379|1883'

Problema: Nodo no se conecta al orchestrator

# Verificar conectividad
ping orchestrator-hostname

# Verificar variables de entorno
echo $ORCHESTRATOR_URL

# Ver logs del nodo
docker logs neural-nexus-node

Problema: Alta latencia en inferencia

# Verificar uso de recursos
docker stats

# Optimizar configuración
# Editar config/node.toml
[inference.optimization]
quantization.enabled = true
batching.max_batch_size = 16

Recursos Adicionales

Siguientes Pasos

  1. ✅ Configurar tu primer nodo edge
  2. ✅ Cargar tu primer modelo ML
  3. ✅ Ejecutar inferencias
  4. ✅ Monitorear métricas en Grafana
  5. ✅ Escalar horizontalmente con Kubernetes
  6. ✅ Implementar aprendizaje federado
  7. ✅ Contribuir al proyecto

🧠⚡ ¡Bienvenido a Neural Nexus! El futuro del Edge Computing distribuido está en tus manos.