Update README.md

README.md

@@ -16,11 +16,31 @@ This is a sample reference model.
 
 Here is an example of how to use the model from Python
 ```python
+# Import libraries
 from transformers import T5ForConditionalGeneration, AutoTokenizer
-model = T5ForConditionalGeneration.from_pretrained('.',from_flax=True)
+model = T5ForConditionalGeneration.from_pretrained('andrek/nb2nn',from_flax=True)
 tokenizer = AutoTokenizer.from_pretrained(".") # Or tokenizer = AutoTokenizer.from_pretrained("google/mt5-base")
-inputs = tokenizer.encode("Det skal ifølge avisene være snakk om en femårskontrakt. Når den kontrakten utløper vil Messi være 39 år gammel, men de spanske avisene skriver at det ikke er ventet at han kommer til å fullføre kontrakten.", return_tensors="pt")
+
+#Encode the text
+text = "Hun vil ikke gi bort sine personlige data."
+inputs = tokenizer.encode(text, return_tensors="pt")
 outputs = model.generate(inputs, max_length=255, num_beams=4, early_stopping=True)
+
+#Decode and print the result
 print(tokenizer.decode(outputs[0]))
 
-```
+```
+
+Or if you like to use the pipeline instead
+```python
+# Set up the pipeline
+from transformers import pipeline, T5ForConditionalGeneration, AutoTokenizer
+model = T5ForConditionalGeneration.from_pretrained('andrek/nb2nn')
+tokenizer = AutoTokenizer.from_pretrained("google/mt5-base")
+translator = pipeline("translation", model=model, tokenizer=tokenizer)
+
+# Do the translation
+text = "Hun vil ikke gi bort sine personlige data."
+print(translator(text, max_length=255))
+
+```python