简而言之
先从测量开始:许多集群会在 Slurm 调度器中记录每个作业的能耗,CodeCarbon 或 Green Algorithms 计算器可以补足缺口。然后只申请所需的 GPU、内存和时间,先以小规模试验想法,为长时间作业设置检查点,并在电网更清洁时运行可灵活安排的作业。报告整个项目的能耗,而不仅仅是最终运行。
步骤
- 检查您的集群是否记录作业能耗,例如 Slurm 的 ConsumedEnergy 字段。
- 只申请作业实际需要的 GPU、内存和运行时长。
- 在扩大实验规模之前,先进行小规模试验。
- 为长时间作业设置检查点,避免故障和暂停浪费已完成的工作。
- 在集群允许的情况下,把可灵活安排的作业放在电网更清洁的时段运行。
- 报告项目层面的能耗,包括调参和失败的运行。
共享集群很容易让人忽视能耗,因为没有人看到账单。 但每一块多申请的 GPU、每一个被放弃的作业都在耗电,还让其他人排队等待。
如何查看我的作业用了多少资源?
- Slurm 的
sacct:在集群启用了能耗记录的情况下,可以报告作业的 ConsumedEnergy。请向您所在机构的科研计算团队询问是否已开启。 - CodeCarbon:可以在作业内部运行,其文档也介绍了无法联网的计算节点如何使用。
- Green Algorithms:由 Lannelongue、Grealey 和 Inouye 开发,根据硬件、运行时长、内存和地点估算足迹,适合用于已完成的作业。
什么做法效果最大
- 按需申请资源。 申请四块 GPU 却只用一块,就会让另外三块被占用而闲置。
- 小规模试验和提前停止。 大部分能耗花在探索上;尽早淘汰效果不佳的想法。请参阅降低超参数搜索的能耗。
- 检查点,这样崩溃和时间限制就不意味着从头再来。
- 复用预训练模型和共享数据集,而不是每个人各自准备一份。
2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)也强调:在训练任何模型之前,先检查是否已有成熟的数值方法能够解决这个问题。
常见错误
- 把集群当作免费资源。 像管理预算一样记录 GPU 小时数;请参阅设定算力预算。
- 在论文中只报告最终运行。
Lannelongue 及其同事提出的 GREENER 原则为研究团队和机构提供了一个框架。请参阅研究人员指南。
来源
- Slurm sacct manual (ConsumedEnergy), SchedMD (2025)
- Using CodeCarbon on SLURM, CodeCarbon documentation (2025)
- Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
- GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)
相关内容
如何为科研项目设定算力预算?
为 AI 研究设定并跟踪算力预算:估算 GPU 小时数,先做小规模试验,尽早停止效果差的运行,复用模型,并报告相对于算力的结果。
如何报告我的 AI 研究的能耗?
论文中应写哪些算力和能耗信息:硬件、所有运行的 GPU 小时数、能耗、地点、碳排放、推理成本以及所用的边界。
如何降低超参数搜索的能耗?
如何用更少的算力调优模型:用比完整网格更聪明的搜索,提前停止表现差的试验,先做小规模试点,用好默认值并设定预算。
面向研究人员的绿色 AI
为研究人员提供的指南:介绍高效的 AI 方法、如何在论文中测量和报告能耗、如何设定算力预算、如何争取科研经费,以及数学能发挥作用的领域。