論文の概要: CPPJoules: An Energy Measurement Tool for C++
- arxiv url: http://arxiv.org/abs/2412.13555v1
- Date: Wed, 18 Dec 2024 07:11:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 16:48:47.821721
- Title: CPPJoules: An Energy Measurement Tool for C++
- Title（参考訳）: CPPJoules: C++のエネルギー測定ツール
- Authors: Shivadharshan S, Akilesh P, Rajrupa Chattaraj, Sridhar Chimalakonda,
- Abstract要約: CPPJoulesはIntel-RAPL上に構築されたC++コードスニペットのエネルギー消費を測定するツールである。
我々は,Rosetta Codeレポジトリから標準計算タスクのエネルギー消費を測定することで,ツールの評価を行った。
- 参考スコア（独自算出の注目度）: 3.9373541926236766
- License:
- Abstract: With the increasing complexity of modern software and the demand for high performance, energy consumption has become a critical factor for developers and researchers. While much of the research community is focused on evaluating the energy consumption of machine learning and artificial intelligence systems -- often implemented in Python -- there is a gap when it comes to tools and frameworks for measuring energy usage in other programming languages. C++, in particular, remains a foundational language for a wide range of software applications, from game development to parallel programming frameworks, yet lacks dedicated energy measurement solutions. To address this, we have developed CPPJoules, a tool built on top of Intel-RAPL to measure the energy consumption of C++ code snippets. We have evaluated the tool by measuring the energy consumption of the standard computational tasks from the Rosetta Code repository. The demonstration of the tool is available at \url{https://www.youtube.com/watch?v=GZXYF3AKzPk} and related artifacts at \url{https://rishalab.github.io/CPPJoules/}.
- Abstract（参考訳）: 現代のソフトウェアが複雑さを増し、ハイパフォーマンスの需要が高まる中、エネルギー消費は開発者や研究者にとって重要な要素となっている。
研究コミュニティの多くは、機械学習と人工知能システムのエネルギー消費(しばしばPythonで実装される)を評価することに重点を置いているが、他のプログラミング言語でエネルギー消費を測定するツールやフレームワークに関しては、ギャップがある。
特にC++は、ゲーム開発から並列プログラミングフレームワークに至るまで、幅広いソフトウェアアプリケーションのための基礎言語であり続けているが、専用のエネルギー測定ソリューションがない。
そこで我々は,Intel-RAPL上に構築されたCPPJoulesを開発し,C++コードのスニペットのエネルギー消費量を測定した。
我々は,Rosetta Codeレポジトリから標準計算タスクのエネルギー消費を測定することで,ツールの評価を行った。
ツールのデモは \url{https://www.youtube.com/watch?
v=GZXYF3AKzPk} および関連アーティファクトは \url{https://rishalab.github.io/CPPJoules/} である。
関連論文リスト
- Green My LLM: Studying the key factors affecting the energy consumption of code assistants [1.747820331822631]
本稿では,GitHub Copilotのような大規模言語モデルに基づくコードアシスタントのエネルギー消費について検討する。
その結果,コードアシスタントのエネルギー消費と性能は,コンカレント開発者の数など,様々な要因に影響されていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T16:00:29Z) - Can Large-Language Models Help us Better Understand and Teach the Development of Energy-Efficient Software? [2.8812501020074968]
エネルギー効率のよいソフトウェア工学の技術は、しばしば学部のカリキュラムから欠落している。
本稿では,エネルギー効率のよいソフトウェアのための学習用モジュールの開発について提案する。
論文 参考訳（メタデータ） (2024-10-30T01:09:32Z) - What Are Tools Anyway? A Survey from the Language Model Perspective [67.18843218893416]
言語モデル(LM)は強力だが、主にテキスト生成タスクに向いている。
LMが使用する外部プログラムとしてツールを統一的に定義する。
各種ツールの効率を実証的に検討した。
論文 参考訳（メタデータ） (2024-03-18T17:20:07Z) - Planning, Creation, Usage: Benchmarking LLMs for Comprehensive Tool Utilization in Real-World Complex Scenarios [93.68764280953624]
UltraToolは、ツール利用におけるLarge Language Modelsの能力を改善し評価するために設計された、新しいベンチマークである。
現実の複雑さを強調し、効果的な問題解決のために正確で多段階の計画を必要とする。
UltraToolの重要な特徴は、ツールの使用前に発生する自然言語による計画の独立した評価である。
論文 参考訳（メタデータ） (2024-01-30T16:52:56Z) - Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。
現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
論文 参考訳（メタデータ） (2023-12-30T17:48:37Z) - EnergyAnalyzer: Using Static WCET Analysis Techniques to Estimate the
Energy Consumption of Embedded Applications [0.6144680854063939]
EnergyAnalyzerは、組み込みソフトウェアのエネルギー消費を推定するためのコードレベルの静的解析ツールである。
これは、エネルギー特性が第一級市民である組み込みアプリケーションを開発するためのツールチェーンを提供することを目的とした、TeamPlayと呼ばれるより大きなプロジェクトの一部として開発された。
論文 参考訳（メタデータ） (2023-05-24T10:01:32Z) - TemporAI: Facilitating Machine Learning Innovation in Time Domain Tasks
for Medicine [91.3755431537592]
TemporAIは、機械学習(ML)タスクのためのオープンソースのPythonソフトウェアライブラリである。
時系列、静的、イベントモダリティのデータをサポートし、予測、因果推論、時間対イベント分析のためのインターフェースを提供する。
論文 参考訳（メタデータ） (2023-01-28T17:57:53Z) - Understanding the Energy Consumption of HPC Scale Artificial
Intelligence [0.0]
本稿では,HPCスケール人工知能(AI)と,より具体的にはディープラーニング(DL)アルゴリズムのエネルギー消費トレードオフの理解に寄与する。
我々は,HPC環境におけるDLアルゴリズムの高速化とエネルギー消費を評価するベンチマークツールであるベンチマークトラッカーを開発した。
論文 参考訳（メタデータ） (2022-11-14T08:51:17Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - Extending Python for Quantum-Classical Computing via Quantum
Just-in-Time Compilation [78.8942067357231]
Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。
量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
論文 参考訳（メタデータ） (2021-05-10T21:11:21Z) - Learnergy: Energy-based Machine Learners [0.0]
ディープラーニングアーキテクチャの文脈では、機械学習技術が広く推奨されている。
制限ボルツマンマシン(Restricted Boltzmann Machine)と呼ばれるエキサイティングなアルゴリズムは、分類、再構成、画像と信号の生成など、最も多様な応用に取り組むために、エネルギーと確率に基づく性質に依存している。
論文 参考訳（メタデータ） (2020-03-16T21:14:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。