# Come stabilisco un budget di calcolo per un progetto di ricerca?

> Stabilisca e segua un budget di calcolo per la ricerca sull'IA: stimi le ore-GPU, faccia prove piccole, fermi presto le esecuzioni scarse, riusi i modelli e rapporti i risultati al calcolo.

Source: https://greenai.guide/it/come/come-stabilisco-un-budget-di-calcolo-per-un-progetto-di-ricerca/  
Updated: 2026-11-19

## In breve

Stimi le ore-GPU necessarie per gli esperimenti principali, aggiunga un margine per l'esplorazione e segua l'uso rispetto a quel budget come si fa con il denaro. Provi le idee su piccola scala, fermi presto le esecuzioni poco promettenti, riusi modelli preaddestrati e checkpoint e riporti i risultati in rapporto al calcolo che hanno richiesto. Un budget rende visibili i compromessi e mette fine alla messa a punto senza fine.

## Steps

1. Stimi le ore-GPU per gli esperimenti principali e aggiunga un margine dichiarato per l'esplorazione.
2. Esegua prove pilota su piccola scala per scartare idee prima di passare a una scala maggiore.
3. Segua ore-GPU ed energia di ogni esperimento rispetto al budget.
4. Usi l'arresto anticipato per le esecuzioni scarse invece di grandi ricerche a griglia.
5. Riusi modelli preaddestrati e checkpoint dove sono adatti.
6. Riporti i risultati in rapporto al calcolo, come l'accuratezza per kWh.

**Decida in anticipo quanto calcolo può usare il progetto, e lo tenga sotto controllo.** Senza un budget le
esecuzioni aggiuntive sembrano gratuite, e l'energia di un piccolo guadagno di accuratezza non viene mai messa sulla
bilancia.

## Come stimo il budget? {#how-do-i-estimate-the-budget}

Parta dagli esperimenti del Suo piano: dimensione del modello, dimensione dei dati e numero di esecuzioni danno una
stima approssimativa delle ore-GPU. Il calcolatore Green Algorithms di Lannelongue, Grealey e Inouye trasforma
hardware, tempo di esecuzione, memoria e luogo in una stima di energia e carbonio, che aiuta a capire che cosa
significa il budget. Aggiunga un margine esplicito per l'esplorazione invece di lasciarlo indefinito.

## Che cosa mantiene un progetto entro il budget? {#what-keeps-a-project-inside-budget}

- **Prima piccole prove pilota.** Scarti le idee su modelli piccoli e sottoinsiemi di dati.
- **Ricerche efficienti.** Fermi presto le esecuzioni scarse; veda [ridurre l'energia delle ricerche di iperparametri](/it/come/come-riduco-l-energia-della-ricerca-degli-iperparametri/).
- **Riuso.** Parta da modelli preaddestrati e checkpoint salvati; veda [evitare di addestrare da zero](/it/come/come-evito-di-addestrare-un-modello-da-zero/).
- **Scelga dove e su che cosa eseguire.** Patterson e colleghi hanno rilevato che la scelta di modello, data centre
  e processore può ridurre l'impronta di carbonio dell'addestramento fino a circa 100-1.000 volte.

## Errori comuni {#common-mistakes}

- **Mettere a budget solo le esecuzioni finali.** L'esplorazione di solito rappresenta la maggior parte del calcolo.
- **Nessun checkpoint,** così che un guasto obbliga a ricominciare.
- **Riportare solo l'accuratezza migliore,** il che premia chi spende di più.

I principi GREENER di Lannelongue e colleghi offrono un quadro di riferimento per gruppi e istituzioni. Veda la
[guida per i ricercatori](/it/guide/ia-verde-per-i-ricercatori/).

## Fonti

- [GREENER principles for environmentally sustainable computational science](https://doi.org/10.1038/s43588-023-00461-y), Lannelongue et al., Nature Computational Science (2023)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (2021)
