机构名称：
¥ 3.0
自动化的机器学习（AUTOML）努力自动配置Ma-Chine Learning算法及其组合成整体（软件）解决方案（一种机器学习管道），这是针对手头学习任务（数据集）量身定制的。在过去的十年中，Automl已发展为具有数百个贡献的独立研究领域。同时，AutoML因其高度消耗的高度消耗而受到批评，因为许多方法都依赖于许多机器学习管道的（昂贵）评估，以及许多数据集和方法上昂贵的大规模实验。本文以绿色AI的最新作品精神，提出了绿色Automl，这是使整个汽车过程更加环保的范式。因此，我们首先详细介绍了如何量化汽车工具的环境足迹。之后，如何设计和基准Automl工具W.R.T.的不同策略不同总结了他们的“绿色”，即可持续性。最后，我们详细阐述了如何对环境足迹保持透明，以及哪些研究激励措施可以指导社区朝着更可持续的汽车研究方向指导。作为其中的一部分，我们建议将可持续的清单附加到每个汽车纸上，其中包含绿色汽车的所有核心方面。
迈向绿色自动化机器学习：现状和未来方向
主要关键词
相关文件推荐
