Buchumschlag

GAISSALabel: A tool for energy labeling of ML models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Duran, Pau, Castaño, Joel, Gómez, Cristina, Martínez-Fernández, Silverio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Impact of ML Optimization Tactics on Greener Pre-Trained ML Models
von: Álvarez, Alexandra González, et al.
Veröffentlicht: (2024)

Analyzing the Evolution and Maintenance of ML Models on Hugging Face
von: Castaño, Joel, et al.
Veröffentlicht: (2023)

Identifying architectural design decisions for achieving green ML serving
von: Durán, Francisco, et al.
Veröffentlicht: (2024)

Lessons Learned from Mining the Hugging Face Repository
von: Castaño, Joel, et al.
Veröffentlicht: (2024)

A Methodological Framework for LLM-Based Mining of Software Repositories
von: De Martino, Vincenzo, et al.
Veröffentlicht: (2025)

A Framework for Using LLMs for Repository Mining Studies in Empirical Software Engineering
von: de Martino, Vincenzo, et al.
Veröffentlicht: (2024)

Do Developers Adopt Green Architectural Tactics for ML-Enabled Systems? A Mining Software Repository Study
von: De Martino, Vincenzo, et al.
Veröffentlicht: (2024)

Green Architectural Tactics in ML-enabled Systems: An LLM-based Repository Mining Study
von: De Martino, Vincenzo, et al.
Veröffentlicht: (2026)

How do Machine Learning Models Change?
von: Castaño, Joel, et al.
Veröffentlicht: (2024)

Insights into resource utilization of code small language models serving with runtime engines and execution providers
von: Durán, Francisco, et al.
Veröffentlicht: (2024)

Energy Consumption of Automated Program Repair
von: Martinez, Matias, et al.
Veröffentlicht: (2022)

SEMODS: A Validated Dataset of Open-Source Software Engineering Models
von: González, Alexandra, et al.
Veröffentlicht: (2026)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

A Tool for Automatically Cataloguing and Selecting Pre-Trained Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2026)

Guiding the retraining of convolutional neural networks against adversarial inputs
von: López, Francisco Durán, et al.
Veröffentlicht: (2022)

MLScent A tool for Anti-pattern detection in ML projects
von: Shivashankar, Karthik, et al.
Veröffentlicht: (2025)

ARENA: A tool for measuring and analysing the energy efficiency of Android apps
von: Anwar, Hina
Veröffentlicht: (2025)

Innovating for Tomorrow: The Convergence of SE and Green AI
von: Cruz, Luís, et al.
Veröffentlicht: (2024)

Exploring the Role of Women in Hugging Face Organizations
von: Salinas, Maria Tubella, et al.
Veröffentlicht: (2025)

Estimating Deep Learning energy consumption based on model architecture and training environment
von: del Rey, Santiago, et al.
Veröffentlicht: (2023)

Cataloguing Hugging Face Models to Software Engineering Activities: Automation and Findings
von: González, Alexandra, et al.
Veröffentlicht: (2025)

Proto-ML: An IDE for ML Solution Prototyping
von: Coban, Selin, et al.
Veröffentlicht: (2026)

Addressing Quality Challenges in Deep Learning: The Role of MLOps and Domain Knowledge
von: del Rey, Santiago, et al.
Veröffentlicht: (2025)

Performance Smells in ML and Non-ML Python Projects: A Comparative Study
von: Belias, François, et al.
Veröffentlicht: (2025)

Buggin: Automatic intrinsic bugs classification model using NLP and ML
von: Bhandari, Pragya, et al.
Veröffentlicht: (2025)

Aggregating empirical evidence from data strategy studies: a case on model quantization
von: del Rey, Santiago, et al.
Veröffentlicht: (2025)

Enhancing a gamified tool for UML modeling education
von: Garaccione, Giacomo, et al.
Veröffentlicht: (2026)

What do AI/ML practitioners think about AI/ML bias?
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

EasyRpl: A web-based tool for modelling and analysis of cross-organisational workflows
von: Ali, Muhammad Rizwan, et al.
Veröffentlicht: (2025)

From OCL to JSX: declarative constraint modeling in modern SaaS tools
von: Bucchiarone, Antonio, et al.
Veröffentlicht: (2025)

Self-Admitted Technical Debt in LLM Software: An Empirical Comparison with ML and Non-ML Software
von: Selvanayagam, Niruthiha, et al.
Veröffentlicht: (2026)

The More the Merrier? Navigating Accuracy vs. Energy Efficiency Design Trade-Offs in Ensemble Learning Systems
von: Omar, Rafiullah, et al.
Veröffentlicht: (2024)

A quantitative framework for evaluating architectural patterns in ML systems
von: Emanuilov, Simeon, et al.
Veröffentlicht: (2025)

Uncertainty Modeling for SysML v2
von: Zhang, Man, et al.
Veröffentlicht: (2026)

ICVul: A Well-labeled C/C++ Vulnerability Dataset with Comprehensive Metadata and VCCs
von: Lu, Chaomeng, et al.
Veröffentlicht: (2025)

MOTIF: A tool for Mutation Testing with Fuzzing
von: Lee, Jaekwon, et al.
Veröffentlicht: (2024)

Ensuring Robustness in ML-enabled Software Systems: A User Survey
von: Abdelkader, Hala, et al.
Veröffentlicht: (2025)

Error Understanding in Program Code With LLM-DL for Multi-label Classification
von: Amin, Md Faizul Ibne, et al.
Veröffentlicht: (2026)

Contextual Fairness-Aware Practices in ML: A Cost-Effective Empirical Evaluation
von: Parziale, Alessandra, et al.
Veröffentlicht: (2025)

A Comprehensive Multi-Vocal Empirical Study of ML Cloud Service Misuses
von: Amor, Hadil Ben, et al.
Veröffentlicht: (2025)