迈向机器学习能源与碳足迹的系统化报告
计算机与社会
2022-11-30 v2 机器学习
摘要
准确报告能源与碳使用量对于理解机器学习研究的潜在气候影响至关重要。我们引入一个框架，通过提供追踪实时能耗与碳排放以及生成标准化在线附录的简单接口，使此事更为容易。利用该框架，我们创建了一个能效强化学习算法排行榜，以激励该领域负责任的研究，作为机器学习其他领域的范例。最后，基于使用我们框架的案例研究，我们提出缓解碳排放与降低能耗的策略。通过简化核算，我们希望促进机器学习实验的可持续发展，并激发更多对节能算法的研究。
引用
@article{arxiv.2002.05651,
title = {Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning},
author = {Peter Henderson and Jieru Hu and Joshua Romoff and Emma Brunskill and Dan Jurafsky and Joelle Pineau},
journal= {arXiv preprint arXiv:2002.05651},
year = {2022}
}
备注
Published in JMLR: https://jmlr.org/papers/v21/20-312.html