CE-NAS: 一个端到端的高效碳排放神经架构搜索框架
原文中文,约600字,阅读约需2分钟。发表于: 。该论文提出了一种新颖的神经架构搜索(NAS)方法,旨在增加模型设计过程的碳效率。CE-NAS 框架通过探索不同 NAS 算法的碳排放变化和能量差异来解决与 NAS 相关的高碳成本的关键挑战。在高层次上,CE-NAS 利用增强学习代理根据时间序列变压器预测的碳强度动态调整 GPU 资源,以平衡高能效采样和高能耗评估任务。此外,CE-NAS 还利用最近提出的多目标优化器有效减少了 NAS...
该论文提出了一种新颖的神经架构搜索(NAS)方法,通过探索不同NAS算法的碳排放变化和能量差异来解决与NAS相关的高碳成本的关键挑战。CE-NAS利用增强学习代理动态调整GPU资源,以平衡高能效采样和高能耗评估任务。CE-NAS还利用多目标优化器减少了NAS的搜索空间。实验结果表明,CE-NAS在降低碳排放的同时,在NAS数据集和开放域NAS任务上取得了有效的结果。