탄소 효율적인 신경 구조 검색

이 연구는 모델 설계 과정에서 에너지 비용을 줄이고 탄소 효율성을 높이기 위한 새로운 신경 구조 검색(NAS) 접근 방식을 제시합니다. 제안된 프레임워크인 탄소 효율적인 NAS(CE-NAS)는 서로 다른 에너지 요구 사항을 지닌 NAS 평가 알고리즘, 다중 목표 최적화기, 그리고 휴리스틱 GPU 할당 전략으로 구성됩니다. CE-NAS는 현재의 탄소 배출량에 따라 에너지 효율적인 샘플링과 에너지를 소모하는 평가 작업의 균형을 동적으로 조정합니다. 최근의 NAS 벤치마크 데이터셋과 두 개의 탄소 추적을 사용하여, 우리의 추적 기반 시뮬레이션은 CE-NAS가 세 가지 기준선보다 더 나은 탄소 및 검색 효율성을 달성함을 보여줍니다.