cumulator 0.0.7

目的

提高对机器学习方法的碳足迹的认识，鼓励进一步优化和合理使用人工智能工具。 这项工作提倡可持续人工智能和合理使用IT系统。在

主要碳指标

• 1小时的GPU负载相当于112 gCO2eq
• 1gb的数据流量相当于31个gCO2eq

安装和使用

免费软件：麻省理工学院许可证

pip install cumulator<；-安装累积器

from cumulator import base<；-导入脚本

cumulator = base.Cumulator()<；-创建累积器实例

测量计算成本。在执行ML计算时（通常在每个交互中），使用cumulator.on()，cumulator.off()激活或停用计时器。它将自动将每个持续时间记录在cumulator.time_list中，并在cumulator.cumulated_time()中求和。然后使用cumulator.computation_costs()返回所有计算的碳足迹。在

测量通信成本。每次您的模型将数据文件发送到网络的另一个节点时，请记录使用cumulator.data_transferred(file_size)进行通信的文件的大小（以千字节为单位）。传输的数据量自动记录在cumulator.file_size_list中，并累计到cumulator.cumulated_data_traffic。然后使用cumulator.communication_costs()返回所有通信的碳足迹。在

使用cumulator.total_carbon_footprint()返回总碳足迹。您还可以使用display_carbon_footprint()

默认假设（可以手动修改以获得更好的估计）：

self.hardware_load = 250 / 3.6e6<；-计算成本：典型GPU的功耗（瓦特）转换为kWh/s

self.one_byte_model = 6.894E-8<；-通信成本：典型数据中心流量的平均能量影响，kWh/kB

self.carbon_intensity = 447<；-转换为碳足迹：欧盟2014年平均碳强度值（gCO2eq/kWh）

self.n_gpu = 1<；-并行使用的GPU数

项目结构

src/
├── cumulator
    ├── base.py           <- implementation of the Cumulator class
    └── bonus.py          <- Impact Statement Protocol

变更日志

• 2020年6月18日：0.0.6更新自述文件.rst在
• 2020年6月11日：0.0.5添加处理器数量（0.0.4失败）
• 2020年6月8日：增加0.0.3奖金.py碳影响声明
• 2020年6月7日：0.0.2增加通信成本并清理src/
• 2020年5月21日：在PypI上部署0.0.1并与Alg-E集成

链接

• 材料：https://drive.google.com/drive/u/1/folders/1Cm7XmSjXo9cdexejbLpbV0TxJkthlAGR
• GitHub:https://github.com/epfl-iglobalhealth/cumulator
• PyPI:https://pypi.org/project/cumulator/