greenai.guide

首页 › 我该如何……? › 如何减少在科研计算集群上运行 AI 实验的环境足迹?

我该如何……?

如何减少在科研计算集群上运行 AI 实验的环境足迹?

更新于 · 阅读约需 1 分钟

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

  1. 检查您的集群是否记录作业能耗,例如 Slurm 的 ConsumedEnergy 字段。
  2. 只申请作业实际需要的 GPU、内存和运行时长。
  3. 在扩大实验规模之前,先进行小规模试验。
  4. 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。
  5. 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。
  6. 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

  1. Slurm sacct manual (ConsumedEnergy), SchedMD (2025)
  2. Using CodeCarbon on SLURM, CodeCarbon documentation (2025)
  3. Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
  4. GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)

加入我们

帮助减少 AI 对地球的影响

通过电子邮件获取新指南、资助征集和名录收录信息,大约每月一次。您也可以将您的产品、课程、博士岗位或研究添加到名录中。

不做跟踪。一键退订。 其他加入方式 · 隐私