Ciencia · IA · Chips · Universitat de València · Universitat Jaume I · Computación local
Un estudio de Valencia y Jaume I prueba cómo ajustar IA sin detener la inferencia local
El trabajo ejecuta inferencia en CPU y ajuste del modelo en GPU de una Jetson Orin Nano, con datos sintéticos de comunicaciones.
Fecha de la fuente original:
Lo esencial
- El trabajo ejecuta inferencia en CPU y ajuste del modelo en GPU de una Jetson Orin Nano, con datos sintéticos de comunicaciones.
- El estudio usa señales sintéticas y mediciones experimentales de energía; no prueba la adaptación autónoma de una red real.
Aprendizaje e inferencia en paralelo
The Journal of Supercomputing publicó un estudio de las universidades de Valencia y Jaume I sobre adaptación de IA en dispositivos de bajo consumo. El equipo ejecutó un estimador de señales de radio en la CPU de una Jetson Orin Nano mientras su GPU reajustaba una red U-Net. El trabajo amplía investigaciones previas sobre modelos estáticos y ejecución de inferencia.
El coste de acelerar los procesadores
En las pruebas de los autores, las frecuencias intermedias de CPU combinadas con una GPU rápida consumieron menos energía por muestra que llevar ambos procesadores al máximo. Los datos representaban canales de radio con errores de fase simulados. La ejecución se midió en hardware real, pero el estudio no implementó un sistema de antenas con aprendizaje autónomo en circuito cerrado.