کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Monitoring, understanding, and optimizing the energy consumption of Machine Learning (ML) are various reasons why it is necessary to evaluate the energy usage of ML. However, there exists no universal tool that can answer this question for all use cases, and there may even be disagreement on how to evaluate energy consumption for a specific use case. Tools and methods are based on different approaches, each with their own advantages and drawbacks, and they need to be mapped out and explained in order to select the most suitable one for a given situation. We address this challenge through two approaches. First, we conduct a systematic literature review of all tools and methods that permit to evaluate the energy consumption of ML (both at training and at inference), irrespective of whether they were originally designed for machine learning or general software. Second, we develop and use an experimental protocol to compare a selection of these tools and methods. The comparison is both qualitative and quantitative on a range of ML tasks of different nature (vision, language) and computational complexity. The systematic literature review serves as a comprehensive guide for understanding the array of tools and methods used in evaluating energy consumption of ML, for various use cases going from basic energy monitoring to consumption optimization. Two open-source repositories are provided for further exploration. The first one contains tools that can be used to replicate this work or extend the current review. The second repository houses the experimental protocol, allowing users to augment the protocol with new ML computing tasks and additional energy evaluation tools.
چکیده به فارسی (ترجمه ماشینی)
نظارت ، درک و بهینه سازی مصرف انرژی یادگیری ماشین (ML) دلایل مختلفی است که برای ارزیابی مصرف انرژی از ML ضروری است.با این حال ، هیچ ابزار جهانی وجود ندارد که بتواند برای همه موارد استفاده به این سؤال پاسخ دهد ، و حتی ممکن است در مورد چگونگی ارزیابی مصرف انرژی برای یک مورد استفاده خاص اختلاف نظر داشته باشد.ابزارها و روشها مبتنی بر رویکردهای مختلف است که هر کدام دارای مزایا و اشکال خاص خود هستند و برای انتخاب مناسب ترین مورد برای یک وضعیت خاص ، باید نقشه برداری و توضیح داده شوند.ما از طریق دو رویکرد به این چالش می پردازیم.اول ، ما یک بررسی ادبیات سیستماتیک از کلیه ابزارها و روشهایی را انجام می دهیم که امکان ارزیابی مصرف انرژی ML (چه در آموزش و چه در استنتاج) را فراهم می کند ، صرف نظر از این که آیا آنها در ابتدا برای یادگیری ماشین یا نرم افزار عمومی طراحی شده اند.دوم ، ما برای مقایسه مجموعه ای از این ابزارها و روشها ، یک پروتکل آزمایشی را تهیه و استفاده می کنیم.این مقایسه هم در طیف وسیعی از وظایف ML با ماهیت مختلف (چشم انداز ، زبان) و پیچیدگی محاسباتی کمی کیفی و کمی است.بررسی ادبیات سیستماتیک به عنوان یک راهنمای جامع برای درک مجموعه ابزارها و روشهای مورد استفاده در ارزیابی مصرف انرژی ML ، برای موارد مختلف استفاده که از نظارت اساسی انرژی تا بهینه سازی مصرف می رود ، استفاده می شود.دو مخزن منبع باز برای اکتشاف بیشتر ارائه شده است.مورد اول شامل ابزارهایی است که می تواند برای تکرار این کار یا گسترش بررسی فعلی استفاده شود.مخزن دوم پروتکل آزمایشی را در خود جای داده است و به کاربران امکان می دهد پروتکل را با کارهای محاسباتی ML جدید و ابزارهای ارزیابی انرژی اضافی تقویت کنند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
