{
 "url": "https://11d.im/yo/20220902102634/",
 "published": "Fri Sep 02 2022 12:26:34 GMT+0200 (Central European Summer Time)",
 "updated": "Tue Oct 08 2024 00:09:56 GMT+0200 (Central European Summer Time)",
 "author": {
  "name": "tk",
  "url": "https://11d.im"
 },
 "content": "<section>\n<p>Hello,</p>\n<p>C\u2019est la rentr\u00e9e. L\u2019occasion de se remettre \u00e0 \u00e9crire. L\u2019autre jour, St\u00e9phane me demandait des ressources pour calculer l\u2019empreinte carbone du machine learning.</p>\n<p>Il y a deux directions pour r\u00e9pondre \u00e0 cette probl\u00e9matique :</p>\n<ol>\n<li>La consommation de l\u2019usage d\u2019un mod\u00e8le. Par exemple, quelle est l\u2019empreinte d\u2019une requ\u00eate d\u2019un moteur de recherche.</li>\n<li>La consommation de mise en place de l\u2019infrastructure de calcul. Par exemple, quelle l\u2019empreinte pour que le moteur de recherche puisse r\u00e9pondre \u00e0 la question.</li>\n</ol>\n<p>Cette d\u00e9composition s\u2019applique autant \u00e0 un moteur de recherche, la r\u00e9ponse \u00e0 une commande vocale que le prompt pour la production d\u2019images synth\u00e9tiques.</p>\n<p>Concernant le co\u00fbt du mod\u00e8le, c\u2019est le deuxi\u00e8me point. Il me semble que cela tient essentiellement \u00e0 nouveau \u00e0 deux facteurs : la complexit\u00e9 de l\u2019algorithme et le flux mat\u00e9riel mobilis\u00e9 par l\u2019entrainement du mod\u00e8le (i.e la consommation \u00e9lectrique).</p>\n</section>\n<section>\n<div class=\"section-link\">\n<a class=\"no-tufte-underline\" href=\"https://11d.im/yo/20220902102634/#quelques-liens\"></a><h2 id=\"quelques-liens\" tabindex=\"-1\">Quelques liens</h2>\n</div>\n<p>Du code tout pr\u00eat pour calculer l\u2019empreinte d\u2019un bout de code :</p>\n<ul>\n<li><a href=\"https://github.com/lfwa/carbontracker\">https://github.com/lfwa/carbontracker</a></li>\n<li><a href=\"https://codecarbon.io/\">https://codecarbon.io/</a></li>\n</ul>\n<p>La consommation \u00e9lectrique :</p>\n<ul>\n<li><a href=\"https://mlco2.github.io/impact/#compute\">https://mlco2.github.io/impact/#compute</a></li>\n<li><a href=\"https://www.electricitymaps.com/\">https://www.electricitymaps.com/</a></li>\n</ul>\n<p>Des papiers sur le sujet :</p>\n<ul>\n<li><a href=\"https://arxiv.org/ftp/arxiv/papers/2204/2204.05149.pdf\">https://arxiv.org/ftp/arxiv/papers/2204/2204.05149.pdf</a></li>\n<li><a href=\"https://hal.archives-ouvertes.fr/hal-03376391/document\">https://hal.archives-ouvertes.fr/hal-03376391/document</a></li>\n</ul>\n<p>\u00e0 bient\u00f4t !</p>\n</section>",
 "content-plain": "Hello,\n\nC\u2019est la rentr\u00e9e. L\u2019occasion de se remettre \u00e0 \u00e9crire. L\u2019autre jour, St\u00e9phane me demandait des ressources pour calculer l\u2019empreinte carbone du machine learning.\n\nIl y a deux directions pour r\u00e9pondre \u00e0 cette probl\u00e9matique :\n La consommation de l\u2019usage d\u2019un mod\u00e8le. Par exemple, quelle est l\u2019empreinte d\u2019une requ\u00eate d\u2019un moteur de recherche. La consommation de mise en place de l\u2019infrastructure de calcul. Par exemple, quelle l\u2019empreinte pour que le moteur de recherche puisse r\u00e9pondre \u00e0 la question.\nCette d\u00e9composition s\u2019applique autant \u00e0 un moteur de recherche, la r\u00e9ponse \u00e0 une commande vocale que le prompt pour la production d\u2019images synth\u00e9tiques.\n\nConcernant le co\u00fbt du mod\u00e8le, c\u2019est le deuxi\u00e8me point. Il me semble que cela tient essentiellement \u00e0 nouveau \u00e0 deux facteurs : la complexit\u00e9 de l\u2019algorithme et le flux mat\u00e9riel mobilis\u00e9 par l\u2019entrainement du mod\u00e8le (i.e la consommation \u00e9lectrique).\n Quelques liens\nDu code tout pr\u00eat pour calculer l\u2019empreinte d\u2019un bout de code :\n https://github.com/lfwa/carbontracker https://codecarbon.io/\nLa consommation \u00e9lectrique :\n https://mlco2.github.io/impact/#compute https://www.electricitymaps.com/\nDes papiers sur le sujet :\n https://arxiv.org/ftp/arxiv/papers/2204/2204.05149.pdf https://hal.archives-ouvertes.fr/hal-03376391/document\n\u00e0 bient\u00f4t !",
 "syndication": [],
 "type": "entry",
 "name": "Comprendre la consommation \u00e9nerg\u00e9tique du travail d'apprentissage machine"
}