saintslab/carbontracker

解决的问题

提供一种追踪和预测深度学习模型训练过程中能源消耗和碳足迹的方法，帮助研究人员和开发者理解其AI工作负载对环境的影响。

工作原理

该工具监控训练期间CPU和GPU的功耗。可作为脚本的命令行包装器使用，也可直接嵌入Python代码中。通过监控初始的几个训练周期，即可预测整个训练过程的总碳足迹。它还将CO2当量（CO2eq）转换为可理解的指标，例如汽车行驶的距离。

适用人群

希望量化并报告其模型训练环境成本的AI研究人员和机器学习工程师。

主要亮点

• 预测性追踪：基于早期训练周期预测总能源和碳消耗。
• 灵活集成：可作为CLI工具或Python库使用。
• 硬件兼容性：支持NVIDIA GPU（通过NVML）和Intel CPU（通过RAPL）。
• 报告生成：生成详细的PDF报告，并支持将多个日志文件合并为单一估算值。
• C级可解释性：将碳排放量转换为现实世界等效值，如汽车行驶距离。