Untangling GPU Power Consumption: Job-Level Inference in Cloud Shared Settings
2Citations signalées — pas une note de qualité
13Institutions déclarées
3Pays d’affiliation déclarés
Résumé fourni par la source
As the demand for AI-driven workloads increases, the energy consumption of Graphics Processing Units (GPUs) devices has come under intense scrutiny, particularly in hyperscale data centers where large numbers of accelerators are centralized and leased to diverse clients.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Untangling GPU Power Consumption: Job-Level Inference in Cloud Shared Settings
- Date Crossref
- 26/04/2026
- Éditeur
- ACM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
École de Technologie SupérieureLyon 1 UniversitéInstitut national de recherche en sciences et technologies du numériqueUniversité de LilleCentre Hospitalier de RoubaixCommunauté urbaine de LyonÉcole Normale Supérieure de LyonCentre National de la Recherche ScientifiqueLyon CollegeLaboratoire de l'Informatique du ParallélismeInstitut de Recherche en Informatique et Systèmes AléatoiresCentre Inria de l'Université de RennesUniversité de Rennes
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Cloud Computing and Resource ManagementIoT and Edge/Fog ComputingDistributed and Parallel Computing Systems