論文の概要: GreenAuto: An Automated Platform for Sustainable AI Model Design on Edge Devices
- arxiv url: http://arxiv.org/abs/2501.14995v1
- Date: Sat, 25 Jan 2025 00:04:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:55:38.753443
- Title: GreenAuto: An Automated Platform for Sustainable AI Model Design on Edge Devices
- Title（参考訳）: GreenAuto:エッジデバイス上での持続可能なAIモデル設計のためのプラットフォーム
- Authors: Xiaolong Tu, Dawei Chen, Kyungtae Han, Onur Altintas, Haoxin Wang,
- Abstract要約: GreenAutoは、持続可能なAIモデル探索、生成、デプロイメント、評価のために設計されたエンドツーエンドの自動化プラットフォームである。
事前訓練されたカーネルレベルのエネルギー予測器は、全てのモデルにわたってエネルギー消費を推定し、より持続可能なソリューションに向けて探索を導くグローバルなビューを提供する。
- 参考スコア（独自算出の注目度）: 7.84674531814871
- License:
- Abstract: We present GreenAuto, an end-to-end automated platform designed for sustainable AI model exploration, generation, deployment, and evaluation. GreenAuto employs a Pareto front-based search method within an expanded neural architecture search (NAS) space, guided by gradient descent to optimize model exploration. Pre-trained kernel-level energy predictors estimate energy consumption across all models, providing a global view that directs the search toward more sustainable solutions. By automating performance measurements and iteratively refining the search process, GreenAuto demonstrates the efficient identification of sustainable AI models without the need for human intervention.
- Abstract（参考訳）: 持続可能なAIモデル探索、生成、デプロイメント、評価のために設計されたエンドツーエンドの自動化プラットフォームであるGreenAutoを紹介します。
GreenAutoは、モデル探索を最適化するために勾配降下によって導かれる拡張ニューラルアーキテクチャサーチ(NAS)空間内で、Paretoフロントベースのサーチ手法を採用している。
事前訓練されたカーネルレベルのエネルギー予測器は、全てのモデルにわたってエネルギー消費を推定し、より持続可能なソリューションに向けて探索を導くグローバルなビューを提供する。
性能測定を自動化し、探索プロセスを反復的に洗練することにより、グリーンオートは人間の介入なしに持続可能なAIモデルの効率的な識別を実証する。
関連論文リスト
- Fully Automated Correlated Time Series Forecasting in Minutes [31.198713853170375]
本稿では,完全に自動化された高効率な時系列予測フレームワークを提案する。
これには、データ駆動の反復戦略が含まれており、大きな検索スペースを自動でプーンし、新しい予測タスクのための高品質な検索スペースを得る。
7つのベンチマークデータセットの実験は、このフレームワークが最先端の精度を持ち、既存の方法よりもはるかに効率的であることを示す。
論文 参考訳（メタデータ） (2024-11-06T09:02:13Z) - Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
世界モデルとビデオ生成は、自動運転の領域において重要な技術である。
本稿では,この2つの技術の関係について検討する。
映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
論文 参考訳（メタデータ） (2024-11-05T08:58:35Z) - Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning [0.0]
目標条件付き自己回帰モデルを導入し,個人間の複雑な相互作用を捉える。
このモデルは、潜在的なロボット軌道サンプルを処理し、周囲の個人の反応を予測する。
論文 参考訳（メタデータ） (2024-08-07T14:32:41Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。
本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-03T22:04:00Z) - Towards Green Automated Machine Learning: Status Quo and Future
Directions [71.86820260846369]
AutoMLは高いリソース消費で批判されている。
本稿では,AutoMLプロセス全体を環境に優しいものにするためのパラダイムであるGreen AutoMLを提案する。
論文 参考訳（メタデータ） (2021-11-10T18:57:27Z) - Autonomous sPOMDP Environment Modeling With Partial Model Exploitation [0.0]
独自のサプライズに基づく部分観測可能なマルコフ決定過程(sPOMDP)を拡張した新しい状態空間探索アルゴリズムを提案する。
提案手法は,学習速度が31～63%向上した元のsPOMDP学習手法の効率性とスケーラビリティを著しく向上することを示す。
以上の結果から,SPOMDPソリューションをより広い環境に拡張する道を開いた。
論文 参考訳（メタデータ） (2020-12-22T17:48:32Z)
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。