神经网络架构训练的能量效率：一项实证研究
机器学习
2023-02-03 v1 人工智能
软件工程
摘要
深度学习模型的评估传统上聚焦于准确率、F1 分数及相关度量等标准。高计算力环境的日益普及使得构建更深、更复杂的模型成为可能。然而，训练此类模型所需的计算带来了巨大的碳足迹。在本工作中，我们通过使用深度卷积神经网络的实证研究，研究深度学习模型架构与其在训练期间所消耗能量和产生 CO 排放方面的环境影响之间的关系。具体地，我们研究：(i) 架构及计算托管位置对能耗与排放的影响；(ii) 准确率与能量效率之间的权衡；以及 (iii) 使用基于软件和基于硬件的工具测量能耗方法的差异。
引用
@article{arxiv.2302.00967,
title = {Energy Efficiency of Training Neural Network Architectures: An Empirical Study},
author = {Yinlena Xu and Silverio Martínez-Fernández and Matias Martinez and Xavier Franch},
journal= {arXiv preprint arXiv:2302.00967},
year = {2023}
}
备注
Accepted in HICSS 2023. For its published version refer to the Proceedings of the 56th Hawaii International Conference on System Sciences; URI https://hdl.handle.net/10125/102727