Phoeni6：一种评估神经网络能耗的系统性方法
机器学习
2025-10-22 v1 软件工程
摘要
本文提出了 Phoeni6，一种在坚持公平比较和可复现性原则下评估神经网络能耗的系统性方法。Phoeni6 为管理与能源相关的数据和配置提供了一个全面的解决方案，确保了评估过程中的可移植性、透明性和协调性。该方法通过容器化工具、稳健的数据库管理和通用的数据模型实现了能耗评估的自动化。在第一个案例研究中，使用原始图像和调整大小后的图像比较了 AlexNet 和 MobileNet 的能耗。结果显示，对于原始图像，MobileNet 的能效最高可提高 6.25%，对于调整后的数据集，能效最高可提高 2.32%，同时保持了有竞争力的准确率水平。在第二个研究中，评估了图像文件格式对能耗的影响。与 PNG 相比，BMP 图像可减少高达 30% 的能耗，突显了文件格式对能效的影响。这些发现强调了 Phoeni6 在优化各种神经网络应用的能耗和建立可持续人工智能实践方面的重要性。
引用
@article{arxiv.2502.17734,
title = {Phoeni6: a Systematic Approach for Evaluating the Energy Consumption of Neural Networks},
author = {Antônio Oliveira-Filho and Wellington Silva-de-Souza and Carlos Alberto Valderrama Sakuyama and Samuel Xavier-de-Souza},
journal= {arXiv preprint arXiv:2502.17734},
year = {2025}
}
备注
The paper consists of 24 pages and 25 figures. It is currently under review at the journal Sustainable Computing: Informatics and Systems