综述深度学习模型架构与环境影响的关系，关注能耗和二氧化碳排放，探讨精度与能效权衡及测量差异。提出NeuralPower逐层预测框架和能耗-精度比指标，预测CNN能耗与运行时间，精度提升达68.5%。总结量化、剪枝、结构效率等技术，提出更激进的CNN剪枝算法，使AlexNet和GoogLeNet能耗分别降低3.7倍和1.6倍。研究移动AI资源利用、延迟与能耗，提出高斯过程回归能量模型。分析计算机视觉中能耗与批次大小、架构无关，能源约束限制最大精度。探讨DNN转SNN部署神经形态硬件，Loihi功耗降低27倍、能耗降低5倍。