論文の概要: Green Metrics Tool: Measuring for fun and profit

• arxiv url: http://arxiv.org/abs/2506.23967v1
• Date: Mon, 30 Jun 2025 15:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.128761
• Title: Green Metrics Tool: Measuring for fun and profit
• Title（参考訳）: Green Metrics Tool: 楽しみと利益の計測
• Authors: Geerd-Dietger Hoffmann, Verena Majuntke,
• Abstract要約: Green Metrics Tool (GMT)は、ソフトウェアのリソース消費を正確に測定するための新しいフレームワークである。 このツールはコンテナ化され、制御され、再現可能なライフサイクルベースのアプローチを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The environmental impact of software is gaining increasing attention as the demand for computational resources continues to rise. In order to optimize software resource consumption and reduce carbon emissions, measuring and evaluating software is a first essential step. In this paper we discuss what metrics are important for fact base decision making. We introduce the Green Metrics Tool (GMT), a novel framework for accurately measuring the resource consumption of software. The tool provides a containerized, controlled, and reproducible life cycle-based approach, assessing the resource use of software during key phases. Finally, we discuss GMT features like visualization, comparability and rule- and LLM-based optimisations highlighting its potential to guide developers and researchers in reducing the environmental impact of their software.
• Abstract（参考訳）: 計算資源の需要が高まるにつれ、ソフトウェアによる環境影響が注目されている。 ソフトウェアの資源消費を最適化し、二酸化炭素排出量を減らすためには、ソフトウェアの測定と評価が第一のステップである。 本稿では,事実に基づく意思決定に重要な指標について論じる。 本稿では,ソフトウェアのリソース消費を正確に測定する新しいフレームワークであるGreen Metrics Tool (GMT)を紹介する。 このツールはコンテナ化され、制御され、再現可能なライフサイクルベースのアプローチを提供する。 最後に、可視化、コンパラビリティ、ルールベースの最適化など、GMTの機能について議論し、開発者や研究者がソフトウェアによる環境影響を減らす可能性を強調した。

関連論文リスト

• Can We Make Code Green? Understanding Trade-Offs in LLMs vs. Human Code Optimizations [45.243401722182554]
  大規模言語モデル(LLM)は、パフォーマンスとエネルギー効率の最適化を開発者が支援すると主張している。 この研究は、科学と工学の応用のために学術と産業の両方で広く使われているマットラブで書かれたソフトウェアに焦点を当てている。 トップ100のGitHubリポジトリで400スクリプトのエネルギ中心の最適化を分析します。
  論文  参考訳（メタデータ） (2025-03-26T00:27:29Z)
• Navigating Intelligence: A Survey of Google OR-Tools and Machine Learning for Global Path Planning in Autonomous Vehicles [49.1574468325115]
  ROMIEと呼ばれる自律的な採鉱ロボットには,グローバルパスプランニングが不可欠である。 Q-Learningは最適な戦略であり、データセット全体の最適解から平均1.2%しか逸脱せず、優れた効率を示す。
  論文  参考訳（メタデータ） (2025-03-05T10:12:22Z)
• Impact of ML Optimization Tactics on Greener Pre-Trained ML Models [46.78148962732881]
  本研究の目的は,画像分類データセットと事前学習モデルの解析,最適化モデルと非最適化モデルを比較して推論効率を向上させること,最適化の経済的影響を評価することである。 画像分類におけるPyTorch最適化手法(動的量子化、トーチ・コンパイル、局所プルーニング、グローバルプルーニング)と42のHugging Faceモデルの影響を評価するための制御実験を行った。 動的量子化は推論時間とエネルギー消費の大幅な削減を示し、大規模システムに非常に適している。
  論文  参考訳（メタデータ） (2024-09-19T16:23:03Z)
• Estimating the Energy Footprint of Software Systems: a Primer [56.200335252600354]
  ソフトウェアシステムのエネルギーフットプリントの定量化は、最も基本的な活動の1つです。 この文書は、この分野で研究を始めたい研究者の出発点となることを目的としている。
  論文  参考訳（メタデータ） (2024-07-16T11:21:30Z)
• Analyzing the Influence of Processor Speed and Clock Speed on Remaining Useful Life Estimation of Software Systems [0.9831489366502301]
  本研究は,オペレーティングシステムやクロック速度などの環境特性の変化がソフトウェアにおけるRUL推定に与える影響を評価するために,解析を拡張した。 検出は、制御されたテストベッドの実際のパフォーマンスデータを用いて厳格に検証され、予測モデル生成データと比較される。 この調査は、ソフトウェアのメンテナンスと最適化戦略に実用的な知識をもたらす。
  論文  参考訳（メタデータ） (2023-09-22T04:46:34Z)
• Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
  本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
  論文  参考訳（メタデータ） (2023-08-10T13:19:10Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Evaluation of software impact designed for biomedical research: Are we measuring what's meaningful? [17.645303073710732]
  使用状況と影響メトリクスの分析は、開発者がユーザとコミュニティのエンゲージメントを決定するのに役立つ。 これらの分析には、歪んだ、あるいは誤解を招くメトリクスを含む課題がある。 一部のツールは、小規模な聴衆には特に有益かもしれないが、魅力的な典型的な利用指標を持っていないかもしれない。
  論文  参考訳（メタデータ） (2023-06-05T21:15:05Z)

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。