Created placeholder readme with examples

README.md

@@ -0,0 +1,32 @@
+Model page TODO. Model name in my thesis was FinnGPT but I chose not to pollute the namespace and leave that kind of name for a more serious attempt at Finnish GPT models. 
+
+### How to use
+
+Example with text generation pipeline:
+
+
+```python
+>>> from transformers import pipeline
+>>> generator = pipeline('text-generation', model='hatanp/gpt-fi')
+>>> generator("Testilauseella voidaan testata tokenisointia. Tämän jatkaminen on luultavasti vaikeaa, mutta", max_length=3,do_sample=True, top_p=0.9, top_k=12, temperature=0.9, num_return_sequences=2)
+
+[{'generated_text': 'Testilauseella voidaan testata tokenisointia. Tämän jatkaminen on luultavasti vaikeaa, mutta ei mahdotonta. \n Jos et ole kiinnostunut tokenis'},
+ {'generated_text': 'Testilauseella voidaan testata tokenisointia. Tämän jatkaminen on luultavasti vaikeaa, mutta sen toteuttaminen onnistuu, jos testilaboratorio osaa analysoida'},
+ {'generated_text': 'Testilauseella voidaan testata tokenisointia. Tämän jatkaminen on luultavasti vaikeaa, mutta sen testaaminen on silti hyödyllistä. Jos testisuorit'}]
+```
+
+Example to generate text manually:
+
+```python
+>>> from transformers import AutoModelForCausalLM,AutoTokenizer
+>>> model = AutoModelForCausalLM.from_pretrained("hatanp/gpt-fi")
+>>> tokenizer = AutoTokenizer.from_pretrained("hatanp/gpt-fi")
+>>> prompt = "Testilauseella voidaan testata tokenisointia. Tämän jatkaminen on luultavasti vaikeaa, mutta"
+>>> inputs = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt")
+>>> prompt_len = len(tokenizer.decode(inputs[0],skip_special_tokens=True, clean_up_tokenization_spaces=True))
+>>> outputs = model.generate(inputs, max_length=len(inputs[0])+20, do_sample=True, top_p=0.9, top_k=12, temperature=0.9)
+>>> text_out = tokenizer.decode(outputs[0])[prompt_len:]
+>>> print(text_out)
+
+" on olemassa joitain keinoja, joilla voit testata tokenisointia. Tässä artikkelissa käydään läpi testilauseiden"
+```