greenai.guide

Inicio › ¿Cómo puedo…? › ¿Cómo programo el entrenamiento para cuando la red eléctrica esté más limpia?

¿Cómo puedo…?

¿Cómo programo el entrenamiento para cuando la red eléctrica esté más limpia?

Actualizado · 1 min de lectura

En resumen

Identifique los trabajos que pueden esperar, como el entrenamiento, el ajuste fino, la evaluación y la inferencia por lotes, e inícielos cuando una previsión de intensidad de carbono indique que la red está más limpia. Guarde puntos de control periódicos para que los trabajos largos puedan pausarse cuando la intensidad suba y reanudarse cuando baje, dentro de un plazo firme. La programación consciente del carbono reduce el carbono, no la energía, así que aplíquela además del trabajo de eficiencia.

Pasos

  1. Enumere los trabajos de IA que pueden esperar horas sin perjuicio, con el plazo real de cada uno.
  2. Obtenga una previsión de intensidad de carbono para la región donde se ejecuta el trabajo.
  3. Inicie los trabajos flexibles en la franja más limpia que siga cumpliendo el plazo.
  4. Guarde puntos de control, incluido el estado del optimizador, para que los trabajos largos puedan pausarse y reanudarse.
  5. Registre la energía por trabajo además del carbono, para que la programación no oculte un crecimiento.

La mayoría de los trabajos de entrenamiento no necesitan empezar en el momento en que pulsa Intro. Trasladarlos a horas más limpias reduce su carbono sin cambiar el modelo.

¿De dónde salen las previsiones?

  • En Gran Bretaña, la Carbon Intensity API del National Energy System Operator prevé la intensidad de carbono con más de 96 horas de antelación para 14 regiones.
  • Electricity Maps ofrece datos en tiempo real y previsiones para más de 350 zonas en todo el mundo.
  • El Carbon Aware SDK de la Green Software Foundation es una API web y una herramienta de línea de comandos que usa esos datos para que el software pueda «hacer más cuando la electricidad procede de fuentes limpias y con bajas emisiones de carbono, y menos cuando no es así».

¿Cómo gestiono los trabajos largos?

El patrón de la Green Software Foundation para cargas de trabajo de IA sugiere pausar y reanudar los trabajos de entrenamiento largos según umbrales de intensidad de carbono cuando sea viable. Eso requiere puntos de control periódicos, incluido el estado del optimizador, para que no se pierda nada cuando un trabajo se detiene. Mida la sobrecarga de los puntos de control para que las pausas no cuesten más de lo que ahorran.

Errores frecuentes

  • Confundir el carbono con la energía. Trasladar un trabajo no hace que consuma menos; una cifra de carbono que baja puede ocultar una energía que sube. Mida ambas.
  • Dejar que se incumplan los plazos. Haga del plazo un límite firme, no una preferencia.
  • Programar según promedios anuales. Necesita previsiones por horas para la región donde se ejecuta realmente el trabajo.
  • Programar trabajos minúsculos. La ganancia está en las ejecuciones grandes y flexibles, no en cada script.

También puede elegir una región con menos emisiones. Consulte entrenamiento e inferencia eficientes.

Fuentes

  1. Carbon Intensity API, National Energy System Operator (2025)
  2. Carbon Aware SDK, Green Software Foundation (2025)
  3. Use carbon-aware scheduling and region selection for AI workloads, Green Software Foundation, Green Software Patterns (2025)
  4. Electricity Maps data, Electricity Maps (2026)

Únase a nosotros

Ayude a reducir el impacto de la IA en el planeta

Reciba por correo electrónico nuevas guías, convocatorias de financiación y fichas de los directorios, aproximadamente una vez al mes. O añada su producto, curso, doctorado o investigación a los directorios.

Sin seguimiento. Cancele la suscripción con un clic. Otras formas de unirse · Privacidad