# Como meço a energia que a IA usa no meu próprio computador ou GPU?

> Meça a energia da IA local com contadores de hardware, telemetria da GPU ou um medidor de tomada, amostre o trabalho todo e subtraia a base em repouso.

Source: https://greenai.guide/pt/como/como-meco-a-energia-que-a-ia-usa-no-meu-proprio-computador-ou-gpu/  
Updated: 2026-11-19

## Em resumo

Na sua própria máquina você pode medir diretamente: use o CodeCarbon ou uma ferramenta de potência que leia os contadores do processador e da GPU, ou coloque uma tomada inteligente com medidor entre o computador e a parede. Registre primeiro a base em repouso, faça amostras durante todo o trabalho em vez de leituras pontuais e repita a execução algumas vezes antes de confiar no número.

## Steps

1. Meça a potência da máquina em repouso antes de começar.
2. Execute a tarefa de IA com o CodeCarbon, uma ferramenta baseada em contadores ou uma tomada inteligente com medidor registrando o tempo todo.
3. Amostre a potência da GPU durante todo o trabalho e integre-a ao longo do tempo.
4. Repita a execução várias vezes e informe a média e a faixa.
5. Confira um medidor de software com um medidor de tomada uma vez por máquina.

**O hardware que você possui pode ser medido, e isso é melhor que qualquer estimativa.** É a melhor forma de ver o que
um modelo local, um ajuste fino ou uma ferramenta de programação com IA realmente consome na sua máquina.

## Que ferramentas posso usar? {#which-tools-can-i-use}

| Opção | O que lê | Indicada para |
|---|---|---|
| Tomada inteligente com medidor | A máquina inteira, na tomada | Qualquer pessoa; confere outras ferramentas |
| CodeCarbon | Potência do processador, da GPU e da memória, mais o carbono da rede | Scripts Python, treinamento e inferência local |
| Contadores do processador (RAPL em muitos chips Intel e AMD) | Energia da CPU e da memória | Ferramentas Linux como `perf`, Scaphandre, PowerJoular |
| Telemetria da GPU (`nvidia-smi`, NVML) | Potência da GPU | Treinamento e inferência de modelos em placas NVIDIA |

## Por que amostrar ao longo do tempo? {#why-sample-over-time}

As leituras da GPU são amostradas, não contínuas. Yang e colegas descobriram que, nas GPUs A100 e H100, o `nvidia-smi`
amostra a potência em apenas cerca de 25% do tempo de execução, o que pode enganar muito em trabalhos curtos.
Registre leituras durante todo o trabalho, execute por tempo suficiente para cobrir muitos intervalos de amostragem e
some-as ao longo do tempo.

## Erros comuns {#common-mistakes}

- **Esquecer a base em repouso.** Um computador de mesa consome energia sem fazer nada; subtraia esse valor para ver o
  que a IA acrescenta.
- **Medir uma vez só.** A temperatura, as tarefas em segundo plano e o ajuste de frequência mudam as leituras. Repita e
  dê uma faixa.
- **Comparar só a velocidade.** Mais rápido e com menos energia costumam andar juntos, mas nem sempre. Informe os
  dois.

Para converter a energia em carbono, veja [como encontrar a intensidade de carbono da rede](/pt/como/como-encontro-a-intensidade-de-carbono-da-minha-rede-eletrica/). O
método completo está em [como medir a energia da IA](/pt/boas-praticas/como-medir-a-energia-e-o-carbono-da-ia/).

## Fontes

- [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)
