# मैं रिसर्च क्लस्टर पर AI प्रयोगों का पर्यावरणीय असर कैसे कम करूँ?

> HPC पर AI प्रयोगों की ऊर्जा घटाएँ: Slurm की ऊर्जा गणना देखें, उतना ही माँगें जितना इस्तेमाल हो, छोटे पायलट चलाएँ, चेकपॉइंट रखें और लचीले जॉब शेड्यूल करें।

Source: https://greenai.guide/hi/कैसे/मैं-रिसर्च-क्लस्टर-पर-ai-प्रयोगों-का-पर्यावरणीय-असर-कैसे-कम-करूँ/  
Updated: 2026-11-19

## संक्षेप में

शुरुआत मापने से करें: कई क्लस्टर Slurm शेड्यूलर में हर जॉब की ऊर्जा दर्ज करते हैं, और CodeCarbon या Green Algorithms कैलकुलेटर कमियाँ भर सकते हैं। फिर सिर्फ़ उतने ही GPU, मेमोरी और समय माँगें जितने की ज़रूरत है, विचारों को पहले छोटे स्तर पर परखें, लंबे जॉब में चेकपॉइंट रखें और लचीले जॉब तब चलाएँ जब ग्रिड ज़्यादा स्वच्छ हो। सिर्फ़ अंतिम रन नहीं, पूरे प्रोजेक्ट की ऊर्जा रिपोर्ट करें।

## Steps

1. देखें कि आपका क्लस्टर जॉब की ऊर्जा दर्ज करता है या नहीं, उदाहरण के लिए Slurm के ConsumedEnergy फ़ील्ड में।
2. सिर्फ़ उतने ही GPU, मेमोरी और वॉल टाइम माँगें जितने की आपके जॉब को सचमुच ज़रूरत है।
3. किसी प्रयोग को बड़ा करने से पहले छोटे पायलट चलाएँ।
4. लंबे जॉब में चेकपॉइंट रखें, ताकि गड़बड़ी या रुकावट से पूरा हो चुका काम बेकार न जाए।
5. जहाँ क्लस्टर अनुमति दे, लचीले जॉब ग्रिड के ज़्यादा स्वच्छ घंटों में शेड्यूल करें।
6. प्रोजेक्ट स्तर की ऊर्जा रिपोर्ट करें, जिसमें ट्यूनिंग और नाकाम रन भी शामिल हों।

**साझा क्लस्टर पर ऊर्जा को नज़रअंदाज़ करना आसान है, क्योंकि किसी को बिल नहीं दिखता।** लेकिन ज़रूरत से ज़्यादा माँगा गया हर GPU
और छोड़ा गया हर जॉब बिजली खर्च करता है और दूसरों को इंतज़ार करवाता है।

## मैं कैसे देखूँ कि मेरे जॉब कितना इस्तेमाल करते हैं? {#how-do-i-see-what-my-jobs-use}

- **Slurm का `sacct`** किसी जॉब का ConsumedEnergy बता सकता है, अगर क्लस्टर पर ऊर्जा गणना (energy accounting) चालू हो। अपनी
  रिसर्च कंप्यूटिंग टीम से पूछें कि यह चालू है या नहीं।
- **CodeCarbon** जॉब के अंदर चल सकता है, और उसके दस्तावेज़ों में बिना इंटरनेट वाले कंप्यूट नोड्स के बारे में भी बताया गया है।
- **Green Algorithms**, जिसे Lannelongue, Grealey और Inouye ने बनाया है, हार्डवेयर, रन टाइम, मेमोरी और जगह के आधार पर असर का
  अनुमान लगाता है, जो पुराने जॉब के लिए उपयोगी है।

## सबसे बड़ा फ़र्क़ किससे पड़ता है {#what-makes-the-biggest-difference}

- **सही आकार की माँग।** चार GPU माँगकर एक का इस्तेमाल करने से तीन आरक्षित रहते हैं और खाली पड़े रहते हैं।
- **पायलट और जल्दी रोकना (early stopping)।** ज़्यादातर ऊर्जा खोजबीन में जाती है; कमज़ोर विचारों को जल्दी छाँट दें। देखें
  [हाइपरपैरामीटर सर्च की ऊर्जा कैसे घटाएँ](/hi/कैसे/hyperparameter-search-की-ऊर्जा-मैं-कैसे-घटाऊँ/)।
- **चेकपॉइंट,** ताकि क्रैश या समय-सीमा का मतलब फिर से शुरू करना न हो।
- **दोबारा इस्तेमाल:** हर व्यक्ति के अपने-अपने तैयार करने के बजाय पहले से ट्रेन किए गए मॉडल और साझा डेटासेट।

गणितज्ञों, कंप्यूटर वैज्ञानिकों और उद्योग के लोगों के 2026 के एक UK ग्रीन AI सैंडपिट (गहन चर्चा कार्यशाला) ने भी इस बात पर ज़ोर
दिया कि मॉडल ट्रेन करने से पहले यह जाँच लें कि कोई जाना-समझा संख्यात्मक तरीका पहले से समस्या हल करता है या नहीं।

## आम गलतियाँ {#common-mistakes}

- **क्लस्टर को मुफ़्त मान लेना।** GPU-घंटों को बजट की तरह ट्रैक करें; देखें
  [कंप्यूट बजट कैसे तय करें](/hi/कैसे/मैं-किसी-रिसर्च-प्रोजेक्ट-के-लिए-कंप्यूट-बजट-कैसे-तय-करूँ/)।
- **पेपर में सिर्फ़ अंतिम रन की रिपोर्ट करना।**

Lannelongue और सहयोगियों के GREENER सिद्धांत समूहों और संस्थानों के लिए एक ढाँचा देते हैं। देखें
[शोधकर्ताओं के लिए गाइड](/hi/गाइड/शोधकर्ताओं-के-लिए-ग्रीन-ai/)।

## स्रोत

- [Slurm sacct manual (ConsumedEnergy)](https://slurm.schedmd.com/sacct.html), SchedMD (2025)
- [Using CodeCarbon on SLURM](https://docs.codecarbon.io/latest/how-to/slurm/), CodeCarbon documentation (2025)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [GREENER principles for environmentally sustainable computational science](https://doi.org/10.1038/s43588-023-00461-y), Lannelongue et al., Nature Computational Science (2023)
