> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://fr.nvidia-localization.ferndocs.com/fr/nemo/rl/latest/nemo-rl-utils-flops-tracker/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://fr.nvidia-localization.ferndocs.com/_mcp/server.

# nemo\_rl.utils.flops\_tracker

## Contenu du module

### Classes

| Nom                                                  | Description |
| ---------------------------------------------------- | ----------- |
| [`FLOPTracker`](#nemorlutilsflopstrackerfloptracker) | Aucun       |

### Fonctions

| Nom                                                                                    | Description                                                                                                           |
| -------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------- |
| [`get_default_hf_config`](#nemorlutilsflopstrackergetdefaulthfconfig)                  | Obtenir la configuration Hugging Face par défaut pour un modèle.                                                      |
| [`convert_config_to_flops_config`](#nemorlutilsflopstrackerconvertconfigtoflopsconfig) | Convertir une configuration préentraînée en un tuple contenant une configuration FLOPSConfig et une formule de FLOPS. |
| [`get_theoretical_tflops`](#nemorlutilsflopstrackergettheoreticaltflops)               | Obtenir le nombre total théorique de FLOPS pour un nom de périphérique.                                               |

### Données

`THEORETICAL_TFLOPS`

### API

```python
nemo_rl.utils.flops_tracker.get_default_hf_config(model_name: str) -> transformers.configuration_utils.PretrainedConfig
```

Obtenir la configuration Hugging Face par défaut pour un modèle.

Les chemins DTensor et MCore utilisent la même configuration par défaut, nous initialisons ici la configuration du modèle
pour permettre le calcul des FLOPS théoriques, indépendamment du backend.

```python
nemo_rl.utils.flops_tracker.convert_config_to_flops_config(config: transformers.configuration_utils.PretrainedConfig) -> tuple[nemo_rl.utils.flops_formulas.FLOPSConfig, typing.Callable]
```

Convertir une configuration préentraînée en un tuple contenant une configuration FLOPSConfig et une formule de FLOPS.

```python
nemo_rl.utils.flops_tracker.THEORETICAL_TFLOPS
```

**Valeur**: `None`

```python
nemo_rl.utils.flops_tracker.get_theoretical_tflops(
    device_name: str, model_dtype: torch.dtype
) -> float
```

Obtenir le nombre total théorique de FLOPS pour un nom de périphérique.

```python
class nemo_rl.utils.flops_tracker.FLOPTracker(model_name: str, base_config: nemo_rl.utils.flops_formulas.FLOPSConfig | None = None, flops_formula: typing.Callable[[nemo_rl.utils.flops_formulas.FLOPSConfig], float] | None = None)
```

```python
from_config(
    model_name: str, config: transformers.configuration_utils.PretrainedConfig
) -> nemo_rl.utils.flops_tracker.FLOPTracker
```

```python
track(
    n_samples: int, padded_seq_len: int
)
```

```python
track_batch(sequence_lengths: list[int])
```

Suivre les FLOPS pour un lot de séquences.

```python
reset()
```