在大模型训练的过程中，提前预估训练所需要的训练资源是十分有必要的，基于transformer结构的语言模型这些都是可以通过计算来进行估计的。这篇bolg就是主要围绕这个问题来进行展开。
基本公式
首先是训练成本：
一个基本的可靠的公式为： C ≈ τ T = 6 P D C\approx\tau T = 6PD C≈τT=6PD
其中：
- C是训练 transformer 模型所需的计算，以总浮点运算。这里
C = C forward + C backward C=C_{\text{forward}}+C_{\text{backward}} C=Cforward+Cbackward
C forward ≈ 2 P D C_{\text{forward}}\approx2PD Cforward≈2PD
C backward ≈ 4 P D C_{\text{backward}}\approx4PD Cbackward≈4PD - τ 是硬件设置 （τ=(No. GPUs)×(Actual FLOPs/GPU)）的总吞吐量，以 FLOP 为单位
- T 是训练模型所花费的时间，以秒为单位
- P是 transformer 模型中的参数数
- D是数据集大小（以token为单位）
这里C的单位可以是多种的 他可以一些以下的值：
FLOP/秒，单位为 [ Floating Point Operations Second ] × [ Seconds ] [\frac{\text{Floating Point Operations}}{\text{Second}}] \times [\text{Seconds}] [Second