# Jak zmierzyć, ile energii zużywa AI na moim komputerze lub GPU?

> Pomiar energii lokalnej AI: liczniki sprzętowe, telemetria GPU lub miernik w gniazdku, próbkowanie przez całe zadanie i odjęcie poboru w spoczynku.

Source: https://greenai.guide/pl/jak/jak-zmierzyc-ile-energii-zuzywa-ai-na-moim-komputerze-lub-gpu/  
Updated: 2026-11-19

## W skrócie

Na własnym komputerze można mierzyć bezpośrednio: użyć CodeCarbon lub narzędzia odczytującego liczniki procesora i GPU albo włączyć między komputer a gniazdko inteligentną wtyczkę z pomiarem energii. Najpierw należy zapisać pobór w spoczynku, próbkować przez całe zadanie zamiast robić pojedyncze odczyty i kilka razy powtórzyć uruchomienie, zanim zaufa się wynikowi.

## Steps

1. Przed rozpoczęciem zmierzyć pobór mocy komputera w spoczynku.
2. Uruchomić zadanie AI z CodeCarbon, narzędziem opartym na licznikach lub inteligentną wtyczką z pomiarem, rejestrującymi przez cały czas.
3. Próbkować moc GPU przez całe zadanie i scałkować ją w czasie.
4. Powtórzyć uruchomienie kilka razy i podać średnią oraz zakres.
5. Raz dla każdego komputera porównać miernik programowy z miernikiem w gniazdku.

**Własny sprzęt można opomiarować, a to jest lepsze od każdego szacunku.** To najlepszy sposób, by zobaczyć, ile
naprawdę pobiera na danym komputerze lokalny model, dostrajanie (fine-tuning) lub narzędzie AI do programowania.

## Jakich narzędzi można użyć? {#which-tools-can-i-use}

| Opcja | Co odczytuje | Do czego się nadaje |
|---|---|---|
| Inteligentna wtyczka z pomiarem | Cały komputer, przy gniazdku | Dla każdego; do sprawdzania innych narzędzi |
| CodeCarbon | Moc procesora, GPU i pamięci oraz emisyjność sieci | Skrypty Python, trening i lokalna inferencja |
| Liczniki procesora (RAPL w wielu układach Intel i AMD) | Energia CPU i pamięci | Narzędzia linuksowe, takie jak `perf`, Scaphandre, PowerJoular |
| Telemetria GPU (`nvidia-smi`, NVML) | Moc GPU | Trening i inferencja modeli na kartach NVIDIA |

## Dlaczego próbkować w czasie? {#why-sample-over-time}

Odczyty GPU są próbkowane, a nie ciągłe. Yang i współpracownicy ustalili, że na GPU A100 i H100 `nvidia-smi`
próbkuje moc tylko przez około 25% czasu działania, co przy krótkich zadaniach może poważnie wprowadzać w błąd.
Należy zapisywać odczyty przez całe zadanie, uruchamiać je na tyle długo, by objęło wiele interwałów próbkowania,
i sumować wyniki w czasie.

## Częste błędy {#common-mistakes}

- **Pominięcie poboru w spoczynku.** Komputer stacjonarny pobiera energię, nawet nic nie robiąc; należy ją odjąć, aby
  zobaczyć, ile dodaje AI.
- **Jednorazowy pomiar.** Temperatura, zadania w tle i skalowanie częstotliwości zmieniają odczyty. Należy powtarzać
  pomiary i podawać zakres.
- **Porównywanie tylko szybkości.** Szybciej i mniej energii często idą w parze, ale nie zawsze. Należy podawać oba
  wyniki.

Aby przeliczyć energię na emisje, zob. [jak sprawdzić emisyjność sieci](/pl/jak/jak-sprawdzic-emisyjnosc-mojej-sieci-elektroenergetycznej/).
Pełną metodę opisuje część [jak mierzyć energię AI](/pl/dobre-praktyki/jak-mierzyc-zuzycie-energii-i-emisje-ai/).

## Źródła

- [Part-time power measurements: nvidia-smi's lack of attention](https://arxiv.org/abs/2312.02741), Yang et al. (arXiv 2312.02741) (2023)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [When to use CodeCarbon](https://docs.codecarbon.io/latest/explanation/when-to-use/), CodeCarbon (2025)
