---
language:
- fi
tags:
- finnish
- gpt2
widget:
- text: "Jotta voidaan luoda tekstiä"

---

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"
```