IoTCO2：评估物联网深度学习的端到端碳足迹

为了提高隐私并确保服务质量，深度学习（DL）模型越来越多地部署在物联网设备上进行数据处理，这显著增加了物联网上与深度学习相关的碳足迹，涵盖运行和隐含两个方面。现有的运行能耗预测器通常忽略量化深度学习模型和新兴的神经处理单元（NPU），而隐含碳足迹建模工具则忽略了物联网设备中常见的非计算硬件组件，这在面向物联网深度学习的精确碳足迹建模工具方面造成了空白。本文介绍了 \textit{\carb}，这是一种用于精确估计物联网深度学习端到端碳足迹的工具，与各种深度学习模型的实际测量结果相比，其运行碳足迹的偏差低至 5%，隐含碳足迹的偏差低至 3.23%。此外，还通过多个用户案例研究展示了 \carb 的实际应用。