Training Green AI Models Using Elite Samples

doi:10.1109/TSUSC.2025.3544430

Training Green AI Models Using Elite Samples

2025-01-01

0

OA

AI

DOI：10.1109/TSUSC.2025.3544430

原文链接

查看原文

摘要

En 中文

AI模型训练的大幅增加具有显著的环境影响，需要采用节能和可持续的AI实践。一方面，数据为中心的方法在训练节能AI模型方面展现出巨大潜力。另一方面，实例选择方法展示了使用最小化训练集且性能下降可忽略不计的AI模型训练能力。尽管这两个领域都引起了越来越多的关注，但数据为中心的训练集选择对能源效率的影响至今仍未被探索。本文提出了一种基于进化的采样框架，旨在（i）识别针对数据集和模型对的精英训练样本，（ii）将模型性能和能源效率提升与典型模型训练实践进行比较，（iii）探讨该框架在促进可持续模型训练实践方面的可行性。为评估所提出的框架，我们进行了一项实证实验，包括8种常用AI分类模型和25个公开可用的数据集。结果表明，通过考虑10%的精英训练样本，模型性能可提高50%，与常规训练实践相比，能源节约可达98%。本质上，这项研究为对通过数据为中心的方法改善AI模型训练环境可持续性感兴趣的研究人员和从业者建立了一个新的基准。

Keyword:

AI model training

data-centric

green AI

energy efficiency

instance selection

evolutionary algorithms

Training Green AI Models Using Elite Samples

摘要

AI总结

期刊

机构

引用论文