dashboard사용해보기

        aiml-dashboard와 aiml-notebook을 사용하기 위해 UAV prediction usecase를 사용해보려고 했다.
        UAV Path Prediction guideline : https://lf-o-ran-sc.atlassian.net/wiki/spaces/AIMLFEW/pages/13697106/New+usecase+-+UAV+Path+Prediction

container 내부와 외부는 token 이름만 다른 점을 기억하면 편함

1. 내부 : -t $INFLUXDB_ADMIN_USER_TOKEN
2. 외부 : -t $INFLUXDB_TOKEN
   • ${INFLUXDB_TOKEN}
     • influxdb 설치시 미리 설정해두었던 변수
     • 재설정 방법
       1. token 추출
          • kubectl exec -it my-release-influxdb-85888dfd97-bjr5g -- cat bitnami/influxdb/influxd.bolt | tr -cd "[:print:]" | grep -o '"token":"[^"]*"' | awk -F\" '{print $4}'
       2. token 설정
          • export INFLUXDB_TOKEN=<token>
       3. 확인 방법 : echo $INFLUXDB_TOKEN

influxdb에 training에 사용할 data 등록

1. tocken echo
2. bucket 생성
   • kubectl exec -it my-release-influxdb-85888dfd97-bjr5g -- influx bucket create -n DLData -o primary -t $INFLUXDB_TOKEN
3. data 등록
   1. UAV_insert.py config 변경 - DATASET_PATH = ‘UAV_Dataset.csv’ - INFLUX_IP = ‘localhost’ - INFLUX_TOKEN = ‘'
   2. influxdb에 data 입력
      1. influxdb port-forward
         • kubectl port-forward svc/my-release-influxdb 8086:8086
      2. 가상환경 설정
         • apt install python3.10-venv
         • sudo -i 후에 원하는 directory로 이동
         • python3 -m venv .venv
         • source .venv/bin/activate
         • pip3 install pandas
         • pip3 install influxdb_client
      3. data 등록
         • python3 UAV_insert.py

jupyter notebook을 이용해 pipline.yaml 파일 생성

• UAV_pipeline.ipynb를 실행시키면 pipeline이 yaml 형식으로 생성된다.
• UAV_pipeline 일부를 수정해 주어야하는 해당 내용은 추후에 작성하도록하겠다.

이제 dashboard를 이용할 수 있음

1. Create Feature Group
   • installation guide에 해당 내용이 table로 정리되어있으니 참고하자
   • 
   • DME를 사용하지 않는 방법으로 하면된다.
2. Training Job 생성
   • 이 부분도 installation guide에 table로 정리되어있다.
   • 
   • model management service는 사용하지 않는 방법으로 한다.
   • training job 이름
     • 대문자와 ‘-‘를 사용하면 data extraction에 무조건 실패한다.
3. training 완료
   • 아직 완성 못함

완성된 model을 kserve를 이용해 upload하기

model 사용해보기