tn1994 tn1994

　オレは高校生シェル芸人 sudo 新一。幼馴染で同級生の more 利蘭と遊園地に遊びに行って、黒ずくめの男の怪しげな rm -rf / 現場を目撃した。端末をみるのに夢中になっていた俺は、背後から近づいてきたもう１人の --no-preserve-root オプションに気づかなかった。俺はその男に毒薬を飲まされ、目が覚めたら・・・ OS のプリインストールから除かれてしまっていた！

『 sudo がまだ $PATH に残っていると奴らにバレたら、また命を狙われ、他のコマンドにも危害が及ぶ』

　上田博士の助言で正体を隠すことにした俺は、 which に名前を聞かれて、とっさに『gnuplot』と名乗り、奴らの情報をつかむために、父親がシェル芸人をやっている蘭の $HOME に転がり込んだ。ところが、このおっちゃん・・・とんだヘボシェル芸人で、見かねた俺はおっちゃんになりかわり、持ち前の権限昇格能力で、次々と難タスクを解決してきた。おかげで、おっちゃんは今や世間に名を知られた名エンジニア、俺はといえばシェル芸 bot のおもちゃに逆戻り。クラスメートの convert や ojichatや textimg にお絵かきコマンドと誤解され少年ワンライナーお絵かき団を結成させられる始末。

　ではここで、博士が作ってくれたメカを紹介しよう。最初は時計型麻酔 kill 。ふたについた照準器にあわせてエンターを押せば、麻酔シグナルが飛び出し、プロセスを瞬時に sleep させることができる。次に、蝶ネクタイ型 banner 。裏についているダイヤルを調整すれば、ありとあらゆる大きさのメッセージを標準出力できる。必殺のアイテムなら fork 力増強シューズ。電気と磁力で足を刺激し、 :(){ :|:& };: でプロセステーブ

	# Reference #1: https://note.com/npaka/n/nc55e44e407ff
	# Reference #2: https://huggingface.co/blog/gemma-peft
	# Licence: MIT

	from peft import LoraConfig

	lora_config = LoraConfig(
	r=8,
	target_modules=["q_proj", "o_proj", "k_proj", "v_proj", "gate_proj", "up_proj", "down_proj"],
	task_type="CAUSAL_LM",

	import gzip

	def gzip_search(query: str, candidate_chunks: list[str], top_k: int=1):
	"""
	文字列ベースで類似したテキストチャンクを推定するアルゴリズム.
	`query`, `chunk`, および`query + " " + chunk`をそれぞれgzipで圧縮し、編集距離のようなものをベースに評価する.

	Parameters:
	query (str): 検索クエリとして使用する文字列.
	top_k (int, optional): 返される類似チャンクの上位k個を指定する (default: 1).

	"""
	0．PKE実行に必要なライブラリのインストール
	"""

	# !pip install ginza nltk ja-ginza -q
	# !pip install git+https://github.com/boudinfl/pke.git -q

	"""
	1．歌詞データ取得
	以下のサイト参照

	#!/usr/bin/env python3

	import sys
	import json
	import re

	import requests
	from rich import box
	from rich.console import Console
	from rich.table import Table

	import 'package:flutter/material.dart';
	import 'package:webview_flutter/webview_flutter.dart'; // ^1.0.7

	void main() => runApp(MaterialApp(home: MyApp(),));

	class MyApp extends StatelessWidget {
	@override
	Widget build(BuildContext context) {
	return Scaffold(
	appBar: AppBar(title: Text("카카오 결제")),

	module "security_group_rules_with_port_range" {
	source = "./modules/security_group_rules"
	security_group_id = "sg-XXXXXXXX"
	description = "Windows Active Directory ports"
	type = "ingress"
	self = true
	rules = [
	# DNS
	{ protocol = "udp", port = "53" },
	{ protocol = "tcp", port = "53" },

	image: docker:latest
	services:
	- docker:dind

	variables:
	DOCKER_HOST: tcp://docker:2375
	DOCKER_DRIVER: overlay2
	CONTAINER_TEST_IMAGE: $CI_REGISTRY_IMAGE:$CI_BUILD_REF_SLUG
	CONTAINER_RELEASE_IMAGE: $CI_REGISTRY_IMAGE:latest

	import tensorflow as tf
	import tensorflow.python.keras as keras
	import tensorflow.python.keras.layers as layers
	from tensorflow.contrib.tpu.python.tpu import keras_support
	import datetime
	import time
	import pickle
	import os

	def conv_bn_relu(input, ch, reps):