mlco2/codecarbon

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

해결하는 문제

CodeCarbon는 코드 실행 중 로컬 컴퓨팅 하드웨어(CPU, GPU, RAM)가 소비하는 전력으로 인해 발생하는 탄소 배출량을 추정하고 추적합니다. 개발자와 연구자가 소프트웨어의 환경적 영향을 정량화할 수 있도록 도와주며, 특히 머신러닝 모델 학습과 같은 계산 집약적인 작업에 초점을 맞춥니다.

작동 방식

이 라이브러리는 CPU, GPU, RAM의 전력 소비량을 추정한 후, 컴퓨팅이 수행되는 지역의 탄소 강도를 적용하여 총 CO2 배출량을 계산합니다.

대상 사용자

로컬 컴퓨팅 실험과 ML 모델 학습의 탄소 발자국을 모니터링하고 줄이고자 하는 개발자 및 연구자에게 적합합니다.

주요 기능

  • 경량 Python 라이브러리: 배출량 추적을 시작하고 중지할 수 있는 간단한 API 제공.
  • CLI 지원: 소스 코드를 수정하지 않고 명령줄에서 명령어를 추적 가능.
  • 시각화 기능: 배출량을 분석할 수 있는 대시보드와 로컬 도구인 carbonboard 제공.
  • 하드웨어 감지: 로컬 하드웨어 구성 요소를 식별하는 detect 명령어 포함.
  • 지역별 탄소 강도: 사용자 지역의 전력망에 대한 특정 탄소 발자국을 반영.

관련

  • 프로젝트
    saintslab/carbontracker

    딥러닝 모델 학습의 에너지 소비와 탄소 발자국을 추적하고 예측하는 도구입니다.

  • 프로젝트
    mlco2/ecologits

    EcoLogits는 생성형 AI API(OpenAI, Anthropic, Cohere 등) 호출에 대한 전력 소비와 CO₂‑당량 배출량을 추정하는 Python 라이브러리입니다. `pip install ecologits`(필요에 따라 provider extras 추가)로 설치하고 `EcoLogits.init`으로 초기화한 뒤 일반 API 호출을 하면 `response.impacts.energy.value.mean`와 `response.impacts.gwp.value.mean`에서 추정 kWh와 kg CO₂‑eq를 확인할 수 있습니다. 오픈소스이며 CodeCarbon 비영리 단체의 일환으로, AI 추론의 환경 영향을 개발자가 추적하고 감소시키도록 돕습니다.

  • 프로젝트
    eduardolundgren/tracking.js

    색상 추적 및 얼굴 인식과 같은 컴퓨터 비전 알고리즘을 브라우저에서 직접 구현할 수 있는 경량 JavaScript 라이브러리.

  • Dispatch
    Hugging Face Hub 탄소 배출 추적

    Hugging Face는 AI의 환경 투명성을 높이기 위해 머신러닝 모델을 CO2 배출량 기준으로 추적, 보고 및 필터링할 수 있는 도구들을 도입했습니다.

  • 프로젝트
    pytorch/cpuinfo

    AVX512(x86) 및 ARMv8.3 확장 기능을 포함한 명령 세트와 캐시 토폴로지와 같은 세부 CPU 하드웨어 정보를 검출하는 크로스플랫폼 C/C++ 라이브러리로, 성능 최적화를 가능하게 합니다.