DeepEn2023：面向边缘人工智能的能源数据集
机器学习
2023-12-04 v1 性能
摘要
气候变化给人类带来了最重大的挑战之一。由于这些气候变迁，过去 50 年来天气、气候及与水相关灾害的发生频率增至五倍，导致超过 200 万人死亡以及超过 3.64 万亿美元的损失。利用人工智能驱动的技术实现可持续发展并应对气候变化是一条大有前景的途径。大量重要出版物致力于使用 AI 改进可再生能源预测、加强废物管理以及实时监测环境变化。然而，极少有研究关注使 AI 本身在环境上可持续。领域内对 AI 可持续性的这一忽视可能归因于思维差距以及综合性能源数据集的缺失。此外，随着边缘 AI 系统与应用的普及，尤其是设备端学习，迫切需要对它们的环境可持续性（如能源效率）进行测量、分析与优化。为此，本文中我们提出面向边缘 AI 的大规模能源数据集 DeepEn2023，覆盖广泛的算子核、最先进的深度神经网络模型以及流行的边缘 AI 应用。我们预期 DeepEn2023 将提升设备端深度学习在一系列边缘 AI 系统与应用中的可持续性透明度。更多包括数据集与代码访问的信息，请访问 https://amai-gsu.github.io/DeepEn2023。
引用
@article{arxiv.2312.00103,
title = {DeepEn2023: Energy Datasets for Edge Artificial Intelligence},
author = {Xiaolong Tu and Anik Mallik and Haoxin Wang and Jiang Xie},
journal= {arXiv preprint arXiv:2312.00103},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2310.18329