Year: 2025
Type: dissertation
Abstract: Este Trabajo Fin de Máster se sitúa en el contexto del creciente consumo energético asociado al entrenamiento y uso de modelos de inteligencia artificial, especialmente los basados en redes neuronales profundas (Deep Learning). Como respuesta a esta problemática, se ha de- sarrollado una herramienta de monitorización denominada Energy Report System (ERS), orientada al análisis del consumo energético y las emisiones de carbono asociadas a procesos de entrenamiento e inferencia de modelos de aprendizaje profundo. El objetivo principal es proporcionar una solución que permita evaluar el impacto computacional y ambiental de estos modelos, integrando métricas de uso de recursos y estimaciones de huella de carbono en función de la ubicación geográfica. ERS ha sido implementado para sistemas Linux y es capaz de registrar métricas relacionadas con la CPU, GPU, memoria y temperatura, a nivel de sistema, proceso e incluso bloques de código específicos. Se ha desarrollado además una métrica compuesta que combina precisión del modelo, consumo energético, emisiones de carbono y tiempo de ejecución, con el fin de facilitar comparaciones entre distintos modelos. Para validar la herramienta, se han entrenado y evaluado cuatro arquitecturas de redes neuronales (ResNet-18, VGG-19, GoogLeNet v1 y MobileNetV2) utilizando el conjunto de datos CIFAR-10. Durante estos experimentos, se ha recogido información detallada sobre el comportamiento energético de cada modelo en los procesos de entrenamiento e inferencia en dos sistemas de pruebas. El sistema desarrollado constituye una herramienta de apoyo al análisis de eficiencia en entornos de machine learning y puede ser útil en futuras investigaciones orientadas a mejorar la sostenibilidad de los modelos de IA.
Source: UNED repository
Author: Quesada Pablos, Alberto
Language: Spanish
Topic: Green IT and Sustainability
Subfield: Electrical and Electronic Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7154558898