Группа исследователей из компании Hugging Face и Университета Карнеги-Меллона опубликовала результаты анализа энергопотребления при выполнении различных моделей машинного обучения. Наиболее энергозатратными оказались модели машинного обучения, обеспечивающие генерацию изображений, а наименее затратными – классификации текста. Средние показатели энергопотребления моделей генерации изображений примерно в 1500 раз выше, чем классификации текста, и в 60 раз выше генерации текста.
Например, выполнение 1000 итераций наиболее энергозатратной модели генерации изображений потребовало 11.49 kWh энергии, что соответствует 950 зарядам аккумулятора смартфона, т.е. одна генерация изображения по энергопотреблению соответствует примерно одной зарядке смартфона (0.012 kWh). Потребление наиболее энергоэффективной модели генерации изображений составило 1.35 kWh на 1000 итераций, что в 8 раз лучше наименее эффективной модели. Тем не менее, эти показатели значительно выше, чем у других видов моделей, например 1000 итераций наиболее эффективной модели генерации текста потребляет 0.042 kWh, классификации изображений – 0.0068 kWh, классификации текста – 0.0023 kWh.
