# NeMo Automodel

[NeMo Automodel](https://github.com/NVIDIA-NeMo/Automodel) é uma biblioteca de treinamento open-source nativa de PyTorch DTensor da NVIDIA. Ela suporta pré-treinamento e ajuste fino em larga e pequena escala para [LLMs](https://docs.nvidia.com/nemo/automodel/latest/model-coverage/large-language-models/overview) e [VLMs](https://docs.nvidia.com/nemo/automodel/latest/model-coverage/vision-language-models/overview), permitindo experimentação rápida em ambientes de pesquisa e produção, com estratégias de paralelismo que incluem FSDP2, tensor, pipeline, expert e context parallelism. Para alto throughput, ela integra kernels do DeepEP e do TransformerEngine.

```py
# Instantiating Nemotron V3 Nano with Expert Parallelism, FSDP2, and TransformerEngine + DeepEP kernels.
import os

import torch
import torch.distributed as dist

from nemo_automodel import NeMoAutoModelForCausalLM
from nemo_automodel.recipes._dist_utils import create_distributed_setup_from_config

dist.init_process_group(backend="nccl")
torch.cuda.set_device(int(os.environ.get("LOCAL_RANK", 0)))
torch.manual_seed(1111)

dist_setup = create_distributed_setup_from_config(
    {
        "strategy": "fsdp2",
        "ep_size": 8,
    },
)
model = NeMoAutoModelForCausalLM.from_pretrained(
    "nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16",
    dtype=torch.bfloat16,
    distributed_setup=dist_setup,
)
print(model)
dist.destroy_process_group()
```
Execute o script com `torchrun` usando o comando abaixo.

```bash
torchrun --nproc-per-node=8 /path/to/script
```

## Integração com Transformers

- Qualquer LLM ou VLM suportado no Transformers também pode ser instanciado por meio do NeMo Automodel. Consulte a [cobertura completa de modelos](https://docs.nvidia.com/nemo/automodel/latest/model-coverage/overview).
- Construído sobre modelos do Hugging Face com [AutoModel.from_pretrained()](/docs/transformers/main/pt/model_doc/auto#transformers.AutoModel.from_pretrained), com trocas dinâmicas de camadas de alto desempenho e suporte a paralelismos mais refinados, como Expert Parallelism (EP).
- Detecta o campo de arquitetura em [AutoConfig.from_pretrained()](/docs/transformers/main/pt/model_doc/auto#transformers.AutoConfig.from_pretrained) para carregar automaticamente implementações personalizadas, como o Nemotron Nano V3.
- Segue de perto a API do Transformers para compatibilidade direta.

## Recursos

- [NeMo Automodel](https://github.com/NVIDIA-NeMo/Automodel)
- [API do NeMo Transformers](https://docs.nvidia.com/nemo/automodel/latest/get-started/hf-compatibility)
- Modelos densos e Mixture-of-Expert (MoE) do NeMo Automodel e [benchmarks](https://docs.nvidia.com/nemo/automodel/latest/performance/performance-summary)
- Consulte o guia de [fine-tuning](./nemo_automodel_finetuning) do NeMo para aprender a usar o NeMo para fine-tuning