揭示深度学习音频开发的成本

arXiv:2610.01619v1 公告类型：new 摘要：过去十年间，深度学习对环境的影响日益受到关注。现有研究主要聚焦于模型训练和推理过程中的能耗与碳排放，而整个开发阶段往往被忽视。然而，在这一阶段需要进行架构原型设计和密集实验，因而会消耗大量能源。本文提出了一种基于Grid5000共享计算平台活动日志的方法，用于估算这些成本。该平台由LORIA实验室使用。作为案例研究，我们聚焦于Multispeech研究团队开发的音频项目。我们评估了四个项目的总体能耗，并将其与训练相关模型所需的能耗进行比较。结果表明，开发阶段所需的能耗是仅训练性能最佳模型所需能耗的3至256倍。这些结果表明，有必要在基于深度学习的音频项目整个生命周期内，以更加系统的方式报告能耗。