Los transformadores son la piedra angular del procesamiento del lenguaje natural y otras tareas de modelado secuencial mucho más complicadas. El entrenamiento de estos modelos, sin embargo, requiere un enorme número de cálculos, con impactos económicos y ambientales sustanciales. Una estimación precisa de la complejidad computacional del entrenamiento nos permitiría tener conciencia de antemano sobre la latencia y el consumo de energía asociados. Además, con la llegada de cargas de trabajo de aprendizaje hacia adelante, se requiere una estimación de la complejidad computacional de estas topologías de redes neuronales para comparar de manera confiable la retropropagación con estos procedimientos de aprendizaje avanzados. Este trabajo describe un enfoque matemático, independiente de la implementación en un objetivo específico, para estimar la complejidad del entrenamiento de un modelo de transformador. Por lo tanto, las ecuaciones utilizadas durante la retropropagación y los algoritmos de aprendizaje hacia adelante se derivan para cada capa y su complejidad se expresa en forma de MACCs y FLOPs. Al sumar todo esto de acuerdo con su incorporación en una topología completa y la regla de aprendizaje tenida en cuenta, se puede estimar la complejidad total de la carga de trabajo deseada del transformador.