使用Nvidia GPU和混合精度训练改进机器学习碳足迹
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对传统32位浮点训练的碳足迹问题,提出使用Nvidia混合精度(16位与32位)进行机器学习分类算法的优化。通过构建特定硬件的自定义PC并测试不同超参数组合,结果显示混合精度可以将功耗降低7至11瓦特,从而显著减少碳足迹,尽管超参数配置不当可能会影响硬件性能。
通过计算发现大而稀疏的深度神经网络比大而密集的深度神经网络使用更少的能量,且准确性可接受。将能源使用作为关键指标有助于减少机器学习的碳足迹。