PulseAugur
中
实时 16:18:39
English(EN) The Hidden Environmental Cost of Poor Coding Practices in TensorFlow and Keras Applications: A Study on Resource Leaks and Carbon Emissions

研究发现，不良编码实践会增加机器学习的碳排放

作者 PulseAugur 编辑部 · [1 个来源] ·

arXiv上的一篇新研究论文调查了机器学习应用程序中低效编码实践对环境的影响，特别关注TensorFlow和Keras。该研究量化了诸如模型重用不当和未释放的张量引用等资源泄漏如何导致能源消耗和碳排放增加。初步结果表明，这些编码缺陷会使电力使用量增加约32%至46%，凸显了在机器学习开发中需要更好的资源生命周期管理。 AI

影响 强调了低效机器学习代码对环境造成的重大成本，敦促开发人员优先考虑可持续性。

排序理由 学术论文，详细介绍了对机器学习代码中资源泄漏及其环境影响的实证调查。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究发现，不良编码实践会增加机器学习的碳排放

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了对机器学习代码中资源泄漏及其环境影响的实证调查。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
113 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bashar Abdallah, Gustavo Santos, Rola Al Bataineh, Alain Abran, Mohammad Hamdaqa ·

    TensorFlow和Keras应用中不良编码实践的隐藏环境成本：一项关于资源泄漏和碳排放的研究

    arXiv:2606.19799v1 Announce Type: cross Abstract: Efficiency and sustainability are critical considerations in the development and deployment of machine learning (ML) applications. Among the factors influencing sustainability, resource leaks in ML code can introduce hidden ineffi…

相关实体

相关话题