на видео – результат использования GAN для создания архитектурных изображений. (кстати, этим мы занимаемся в рамках лаборатории!)

при обучении этой сети я использовал Python-библиотеку carbontracker, которая очень легко подключается и позволяет рассчитать углеродный след всего процесса обучения.
глубокое обучение – это процесс, который требует применения больших вычислительных ресурсов в течение очень долгого времени. поэтому создатели этой библиотеки предлагают использовать показатели, которые выдает carbontracker, наряду с другими метриками, которые важны в машинном обучении, например, точностью.
библиотека показывает, сколько энергии было потрачено на обучение, углеродный след, а также позволяет более интуитивно интерпретировать эти результаты, переводя их в расстояние, преодоленное на автомобиле:


Predicted consumption for 100 epoch(s):
Time: 02:58:20
Energy: 0.3021635 kWh
CO2eq: 88.898339 g
This is equivalent to:
0.73835825 km travelled by car