Update README.md

README.md

@@ -20,6 +20,10 @@ O dataset utilizado para o fine-tuning é o [#PraCegoVer](https://zenodo.org/rec
 
 Para traduzir o vocabulário das descrições das imagens para o português, utilizamos o modelo de tradução automática `Helsinki-NLP/opus-mt-tc-big-en-pt`. Este modelo é conhecido pela sua eficácia na tradução de textos entre o inglês e o português, garantindo a manutenção do contexto e da precisão das descrições.
 
+## Tokenizador Utilizado
+
+O tokenizador utilizado para o ajuste fino é o `neuralmind/bert-base-portuguese-cased`, que é otimizado para lidar com o português, proporcionando uma tokenização precisa e eficiente para o modelo.
+
 ## Estrutura do Repositório
 
 - `config.json`: Configuração do modelo.
@@ -33,13 +37,15 @@ Para traduzir o vocabulário das descrições das imagens para o português, uti
 
 ## Como Utilizar
 
-1. **Carregar o Modelo**:
-    ```python
-    from transformers import AutoModelForCausalLM, AutoTokenizer, AutoProcessor
+### Carregar o Modelo:
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer, AutoProcessor
+
+model = AutoModelForCausalLM.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
+tokenizer = AutoTokenizer.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
+processor = AutoProcessor.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
 
-    model = AutoModelForCausalLM.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
-    tokenizer = AutoTokenizer.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
-    processor = AutoProcessor.from_pretrained("histlearn/microsoft-git-portuguese-neuro-simbolic")
     ```
 
 2. **Gerar Legendas para uma Imagem**: