要点
自分のマシンなら直接測れます。プロセッサーと GPU のカウンターを読む CodeCarbon や電力計測ツールを使うか、パソコンとコンセントの間に電力計測機能付きのスマートプラグを挟みます。まず待機時の電力を記録し、瞬間的な値ではなく処理全体を通してサンプリングし、数値を信頼する前に何度か実行を繰り返しましょう。
手順
- 始める前に、マシンの待機時の電力を測ります。
- CodeCarbon、カウンターを使うツール、または電力計測機能付きのスマートプラグで記録しながら、AI の作業を実行します。
- 処理全体を通して GPU の電力をサンプリングし、時間で積算します。
- 何度か実行を繰り返し、平均と幅を報告します。
- マシンごとに一度、ソフトウェアの計測値をコンセント側の電力計と照らし合わせます。
自分のハードウェアなら計測でき、それはどんな推定にも勝ります。 ローカルのモデル、ファインチューニング、AI コーディングツールが、自分のマシンで実際にどれだけの電力を使っているかを知るには、これが最良の方法です。
どんなツールを使える?
| 方法 | 読み取る対象 | 向いている用途 |
|---|---|---|
| 電力計測機能付きスマートプラグ | コンセント側でのマシン全体 | どなたでも。ほかのツールの確認にも |
| CodeCarbon | プロセッサー、GPU、メモリの電力と、電力網の炭素 | Python スクリプト、学習、ローカルでの推論 |
| プロセッサーのカウンター(多くの Intel と AMD のチップの RAPL) | CPU とメモリのエネルギー | perf、Scaphandre、PowerJoular などの Linux ツール |
GPU のテレメトリー(nvidia-smi、NVML) |
GPU の電力 | NVIDIA カードでのモデルの学習と推論 |
なぜ時間を通してサンプリングするの?
GPU の読み取り値は連続ではなく、サンプリングされたものです。Yang らは、A100 と H100 の GPU では、nvidia-smi が電力について実行時間の約 25% しかサンプリングしておらず、短い処理ではひどく誤った結果になりうることを示しました。処理全体を通して読み取り値を記録し、多くのサンプリング間隔を含むだけの長さで実行し、時間で合計しましょう。
よくある間違い
- 待機時の電力を忘れる。 デスクトップパソコンは何もしていなくても電力を使います。それを差し引いて、AI で増えた分を確認しましょう。
- 一度だけ測る。 温度、バックグラウンドの処理、周波数の調整によって読み取り値は変わります。繰り返して幅を示しましょう。
- 速度だけを比べる。 速さと省エネは両立することが多いものの、いつもそうとは限りません。両方を報告しましょう。
エネルギーを炭素に換算するには、電力網の炭素強度の調べ方をご覧ください。全体の手順はAI のエネルギーを測る方法にあります。
出典
- Part-time power measurements: nvidia-smi's lack of attention, Yang et al. (arXiv 2312.02741) (2023)
- CodeCarbon, CodeCarbon (2026)
- When to use CodeCarbon, CodeCarbon (2025)
関連
AI モデルを自分のパソコンで動かすには?
Ollama や llama.cpp などで、オープンな AI モデルを自分のノートパソコンやサーバーで動かす方法、収まる量子化モデルの選び方、エネルギーの測り方です。
AI モデルの学習のカーボンフットプリントを測るには?
CodeCarbon などのツールで学習のエネルギーを記録し、地域の電力網の炭素強度を掛け、ハードウェア、時間、場所を報告する方法です。
AI の省エネ効果を証明するためのベースラインはどう決める?
AI の省エネを本物として示す方法です。変更前に同じ環境と負荷で測り、繰り返し実行し、仕事の単位あたりで報告し、品質が保たれたか確かめます。
AI のエネルギーと炭素を測る方法
AI 作業のエネルギーと炭素を計測または推計するための実践ガイド。ツール、システム境界、タスクあたりの指標、不確かさの誠実な扱い方を解説します。