已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Investigating hardware and software aspects in the energy consumption of machine learning: A green AI‐centric analysis

计算机科学 x86个 能源消耗 软件 机器学习 人工智能 推论 随机森林 硬件体系结构 能量(信号处理) 高效能源利用 计算机工程 嵌入式系统 操作系统 工程类 统计 数学 电气工程
作者
André Yokoyama,Mariza Ferro,Felipe B. de Paula,Vitor G. Vieira,Bruno Schulze
出处
期刊:Concurrency and Computation: Practice and Experience [Wiley]
卷期号:35 (24) 被引量:5
标识
DOI:10.1002/cpe.7825
摘要

Summary Much has been discussed about artificial intelligence's negative environmental impacts due to its power‐hungry Machine Learning algorithms and emissions linked to this. This work discusses three direct impacts of AI on energy consumption associated with computation: the software, the hardware, and the energy source's carbon intensity. We present an up‐to‐date revision of the literature and assess it through experiments. For hardware, we evaluate the use of ARM‐based single‐board computers for training Machine Learning algorithms. An experimental setup was developed training the algorithm XGBoost and its cost‐effectiveness (energy consumption, acquisition cost, and execution time) compared with the X86‐64 and GPU architectures and other algorithms. In addition, the is estimated for these experiments and compared for three energy sources. The results show that this type of architecture can become a viable and greener alternative, not only for inference but also for training these algorithms. Finally, we evaluated low precision for training Random Forest algorithms with different datasets for the software aspect. Results show that is possible energy reduction with no decrease in accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
怡然的友容完成签到 ,获得积分10
1秒前
sword完成签到,获得积分10
1秒前
2秒前
坚强幼晴发布了新的文献求助10
3秒前
Li YY完成签到,获得积分10
3秒前
符fu完成签到 ,获得积分10
3秒前
飞鱼z完成签到,获得积分10
3秒前
4秒前
rick3455完成签到 ,获得积分10
4秒前
skycool完成签到,获得积分10
4秒前
andrele发布了新的文献求助10
4秒前
Swear完成签到 ,获得积分10
7秒前
小蘑菇应助坚强幼晴采纳,获得10
8秒前
wangyue发布了新的文献求助10
9秒前
吴梅应助岁岁安采纳,获得10
9秒前
打打应助奋斗夏旋采纳,获得10
13秒前
抠鼻公主完成签到 ,获得积分10
16秒前
16秒前
18秒前
19秒前
20秒前
二行完成签到 ,获得积分10
20秒前
linllll完成签到,获得积分10
23秒前
23秒前
lulu917发布了新的文献求助10
23秒前
丁爽发布了新的文献求助10
24秒前
24秒前
123完成签到 ,获得积分10
25秒前
修水县1个科研人完成签到 ,获得积分10
25秒前
风起完成签到,获得积分10
25秒前
26秒前
29秒前
29秒前
吉吉完成签到,获得积分10
29秒前
glj发布了新的文献求助10
29秒前
江上游完成签到 ,获得积分10
30秒前
糖糖唐完成签到,获得积分10
31秒前
雪中完成签到 ,获得积分20
32秒前
Catherine完成签到,获得积分10
33秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150395
求助须知:如何正确求助?哪些是违规求助? 2801625
关于积分的说明 7845564
捐赠科研通 2459127
什么是DOI,文献DOI怎么找? 1309072
科研通“疑难数据库(出版商)”最低求助积分说明 628634
版权声明 601727