mlco2/codecarbon

Track emissions from Compute and recommend ways to reduce their impact on the environment.

何を解決するか

CodeCarbon は、コードの実行中にローカルコンピューティングハードウェア（CPU、GPU、RAM）が消費する電力に起因する二酸化炭素排出量を追跡・推定します。開発者や研究者がソフトウェアの環境影響を定量的に把握できるようにし、特に機械学習モデルの学習など計算集約型タスクにおける影響を可視化します。

動作方法

このライブラリは、CPU、GPU、RAMの電力消費量を推定し、実行される地域の電力グリッドの炭素強度を適用することで、合計CO2排出量を計算します。

対象ユーザー

ローカルコンピューティング実験やMLモデルの学習における炭素足跡を監視・削減したい開発者や研究者向けに設計されています。

特徴

  • 軽量なPythonライブラリ：排出量の追跡を開始・停止するためのシンプルなAPIを提供。
  • CLIサポート：ソースコードを変更せずにコマンドラインからコマンドを追跡可能。
  • 可視化機能：ダッシュボードと、排出量を分析するためのローカルツール carbonboard を提供。
  • ハードウェア検出：ローカルのハードウェアコンポーネントを識別する detect コマンドを含む。
  • 地域別の炭素強度：ユーザーの地域における電力グリッドの特定の炭素排出量を考慮。

関連

  • プロジェクト
    saintslab/carbontracker

    ディープラーニングモデルのトレーニングにおけるエネルギー消費と炭素足跡を追跡・予測するためのツール。

  • プロジェクト
    mlco2/ecologits

    EcoLogits は、生成系 AI API（OpenAI、Anthropic、Cohere など）への呼び出しにおける電力消費と CO₂‑当量排出量を推定する Python ライブラリです。`pip install ecologits`（必要に応じてプロバイダー extras を追加）でインストールし、`EcoLogits.init` で初期化、通常通り API を呼び出した後に `response.impacts.energy.value.mean` と `response.impacts.gwp.value.mean` で推定 kWh と kg CO₂‑eq を取得できます。オープンソースで CodeCarbon の非営利団体の一部であり、AI 推論の環境影響を開発者が追跡・削減できるよう支援します。

  • プロジェクト
    eduardolundgren/tracking.js

    カラー追跡や顔検出などのコンピュータビジョンアルゴリズムをブラウザ上で直接実行できる軽量なJavaScriptライブラリ。

  • Dispatch
    Hugging Face Hub カーボン排出量トラッキング

    Hugging Face は、機械学習モデルの CO2 排出量に基づいて追跡、報告、フィルタリングするツールを導入し、AI の環境透明性を向上させました。

  • プロジェクト
    pytorch/cpuinfo

    AVX512（x86）およびARMv8.3拡張機能を含む、命令セットやキャッシュトポロジーなどの詳細なCPUハードウェア情報を検出するクロスプラットフォームC/C++ライブラリ。パフォーマンス最適化を可能にします。