从计算到消费：探索训练和测试神经网络用于声事件检测系统的计算-能源关系
机器学习
2024-09-10 v1 声音
摘要
机器学习模型，特别是神经网络的大规模使用，引发了严重的环境影响担忧。事实上，过去几年我们看到训练和部署这些系统的计算成本出现爆炸式增长。因此，理解它们的能源需求至关重要，以便更好地将其整合到模型评估中，而模型评估过去主要聚焦于性能。本文我们研究了声事件检测系统中关键组件的几个神经网络架构，采用音频标记任务作为示例。我们测量了从小型到大型架构的训练和测试能源消耗，并建立了能源消耗、浮点运算次数、参数数量以及GPU/内存利用率之间的复杂关系。
引用
@article{arxiv.2409.05080,
title = {From Computation to Consumption: Exploring the Compute-Energy Link for Training and Testing Neural Networks for SED Systems},
author = {Constance Douwes and Romain Serizel},
journal= {arXiv preprint arXiv:2409.05080},
year = {2024}
}