Реализация и документирование метода fit() для обучения GPT

Основные изменения:
1. Реализация метода fit():
- Добавлен полный цикл обучения (forward/backward pass)
- Поддержка обучения на CPU/GPU
- Расчет и сохранение метрик (train_loss, validation_loss)
- Интеграция с оптимизатором Adam

2. Документация:
- Подробное описание метода в gpt_documentation_ru.md
- Примеры использования в README.md
- Параметры и требования к данным

3. Тестирование:
- Тесты базовой функциональности
- Проверка изменения весов
- Тесты для разных устройств (CPU/CUDA)
- Обработка edge-cases

4. Примеры:
- train_gpt_example.py с полным workflow
- Генерация синтетических данных
- Сохранение/загрузка моделей

README.md

@@ -21,9 +21,13 @@ Simple-LLM предоставляет:
 pip install torch numpy tqdm
 ```
 
-2. Запустите пример генерации:
+2. Запустите примеры:
 ```bash
+# Пример генерации текста
 python example/example_gpt.py
+
+# Пример обучения модели
+python example/train_gpt_example.py
 ```
 
 ## 🧠 Основные компоненты
@@ -63,6 +67,33 @@ output = model.generate(
 )
 ```
 
+### Обучение модели
+```python
+from torch.utils.data import DataLoader
+
+# Данные должны быть в формате (input_ids, targets)
+# targets - это input_ids, сдвинутые на 1 токен вперед
+train_loader = DataLoader(...) 
+
+model.fit(
+    train_loader=train_loader,  # Обучающие данные (обязательно)
+    valid_loader=None,          # Валидационные данные (опционально)
+    num_epoch=10,               # Количество эпох
+    learning_rate=0.001         # Скорость обучения
+)
+
+# Сохранение модели
+model.save("model.pt")
+
+# Загрузка модели
+loaded_model = GPT.load("model.pt", device="cuda")
+```
+
+**Требования к данным:**
+- Формат: `(input_ids, targets)` где `targets = roll(input_ids, -1)`
+- `input_ids`: тензор формы `[batch_size, seq_len]`
+- Поддерживаются как синтетические, так и реальные текстовые данные
+
 ## 📚 Документация
 
 Полная документация доступна в [doc/](./doc/):