feat: добавление реализации модели GPT

Основные изменения:
- Реализован основной класс GPT в simple_llm/transformer/gpt.py:
  * Токенные и позиционные эмбеддинги
  * Многоголовое внимание
  * Полносвязные слои
  * Нормализация слоев
  * Поддержка dropout

- Добавлен пример использования в example/example_gpt.py:
  * Инициализация модели
  * Генерация текста
  * Сохранение/загрузка модели

- Написаны тесты:
  * Базовый функционал модели
  * Операции сохранения/загрузки
  * Проверка размерностей ввода/вывода

- Добавлена документация на русском:
  * Обзор архитектуры
  * Процесс обучения
  * Примеры использования

- Обновлен README.md с информацией о GPT

README.md

@@ -41,14 +41,12 @@ model = nn.Sequential(
 - [Токенизация](/doc/bpe_algorithm.md)
 - [MultiHeadAttention](/doc/multi_head_attention_ru.md)
 - [FeedForward](/doc/feed_forward_ru.md)
-- [Decoder](/doc/decoder_ru.md)
 
 ## Примеры
 ```bash
 # Запуск примеров
 python -m example.multi_head_attention_example  # Визуализация внимания
 python -m example.feed_forward_example         # Анализ FFN слоя
-python -m example.decoder_example              # Демонстрация декодера
 ```
 
 ## Установка
@@ -57,3 +55,84 @@ git clone https://github.com/pese-git/simple-llm.git
 cd simple-llm
 pip install -e .
 ```
+
+### Пример использования GPT
+```python
+from simple_llm.transformer.gpt import GPT
+
+model = GPT(
+    vocab_size=10000,
+    max_seq_len=512,
+    emb_size=768,
+    num_heads=12,
+    head_size=64,
+    num_layers=6
+)
+
+# Генерация текста
+output = model.generate(input_tokens, max_new_tokens=50)
+```
+
+## 🛠 How-To Guide
+
+### 1. Работа с токенизатором
+```python
+from simple_llm.tokenizer import SimpleBPE
+
+bpe = SimpleBPE().fit(text_corpus)
+tokens = bpe.encode("Текст для токенизации")
+```
+
+### 2. Использование отдельных компонентов
+```python
+from simple_llm.transformer import MultiHeadAttention, FeedForward
+
+attention = MultiHeadAttention(num_heads=8, emb_size=512, head_size=64)
+ffn = FeedForward(emb_size=512)
+```
+
+### 3. Обучение GPT
+```python
+# Пример цикла обучения
+optimizer = torch.optim.Adam(model.parameters())
+loss_fn = nn.CrossEntropyLoss()
+
+for batch in dataloader:
+    logits = model(batch['input_ids'])
+    loss = loss_fn(logits.view(-1, logits.size(-1)), batch['targets'].view(-1))
+    loss.backward()
+    optimizer.step()
+```
+
+## 📋 Системные требования
+
+| Компонент       | Минимальные           | Рекомендуемые         |
+|----------------|----------------------|----------------------|
+| **Процессор**   | x86-64               | 8+ ядер              |
+| **Память**      | 8GB RAM              | 16GB+ RAM            |
+| **GPU**         | Не требуется         | NVIDIA (8GB+ VRAM)   |
+| **ОС**          | Linux/MacOS/Windows  | Linux                |
+
+## 📚 Документация
+
+- [Архитектура GPT](/doc/gpt_documentation_ru.md)
+- [Алгоритм BPE](/doc/bpe_algorithm.md)
+- [MultiHeadAttention](/doc/multi_head_attention_ru.md)
+- [Decoder](/doc/decoder_ru.md)
+
+## 🧪 Примеры
+```bash
+# Запуск примеров
+python -m example.example_gpt           # Генерация текста
+python -m example.multi_head_attention  # Визуализация внимания
+python -m example.decoder_example       # Демонстрация декодера
+```
+
+## 🤝 Участие в разработке
+PR и issues приветствуются! Перед внесением изменений:
+1. Создайте issue с описанием
+2. Сделайте fork репозитория
+3. Откройте Pull Request
+
+## 📜 Лицензия
+MIT License. Подробнее в [LICENSE](LICENSE).