saintslab/carbontracker

解決的問題

提供一種追蹤與預測深度學習模型訓練過程中的能源消耗與碳足跡的方法，協助研究人員與開發者理解其AI工作負載對環境的影響。

作法

此工具監控訓練期間CPU與GPU的電力使用量。可作為腳本的命令列包裝器使用，亦可直接嵌入Python程式碼中。透過監控初期的幾個訓練週期，即可預測整個訓練執行的總碳足跡。同時，亦可將CO2當量（CO2eq）轉換為易於理解的指標，例如汽車行駛的距離。

適用對象

希望量化並報告其模型訓練環境成本的AI研究人員與機器學習工程師。

主要特色

• 預測性追蹤：根據早期訓練週期預測總能源與碳消耗。
• 彈性整合：可作為CLI工具或Python函式庫使用。
• 硬體相容性：支援NVIDIA GPU（透過NVML）與Intel CPU（透過RAPL）。
• 報告生成：產生詳細的PDF報告，並支援將多個日誌檔合併為單一估算值。
• C級可解釋性：將碳排放量轉換為現實世界等效值，例如汽車行駛距離。