Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-12 20:18 UTC

apache / mxnet

Lightweight, Portable, Flexible Distributed/Mobile Deep Learning with Dynamic, Mutation-aware Dataflow Dep Scheduler; for Python, R, Julia, Scala, Go, Javascript and more

C++ · PythonApache-2.0★ 20.812 Sterne⑂ 6.688 Forksseit Apr. 2015archiviertAuf GitHub ansehen ↗
#mxnet

apache/mxnet erreicht einen Gesundheitsindex von 19 von 100 und liegt damit im Bereich Kritisch. Am stärksten schneidet es bei Sustainability & Governance (94/100) ab, am schwächsten bei Vitality (23/100). Das Repository ist archiviert, weitere Wartung ist daher nicht zu erwarten.

19
gesamt / 100
Kritisch

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

19
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 67 wird auf der veröffentlichten Indexskala auf 78 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

The Apache Software FoundationOrganisation
23.764 Follower3.153 öffentliche Reposseit Jan. 2009

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPImxnetverweist auf ein anderes Repo — nicht bewertet1.9.1653.21738vor 1547 Tagen

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

23Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

1Kritisch
Wie die Bewertung erfolgt
0/36Push-Aktualität — letzter Push vor 1.021 Tagen
0/36Commit-Rhythmus — 0/52 Wochen mit Commits
0/18Commit-Volumen — 0 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — project is archived
Verwendete Eingangsdaten
commits_last_year0
human_commit_share0,99
days_since_last_push1.021
active_weeks_last_year0

Release-Disziplin

55Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 34 Releases veröffentlicht
0/36Release-Aktualität — letztes Release vor 1.555 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 51,2 Tage
8/10OpenSSF Scorecard: Signed-Releases — 4 out of the last 4 releases have a total of 4 signed artifacts.
Verwendete Eingangsdaten
releases_count34
latest_release_tag1.9.1
releases_from_tagsnein
days_since_latest_release1.555
mean_days_between_releases51,2

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

83Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

92Exzellent
Wie die Bewertung erfolgt
60/60Stars — 20.812 Stars
25/25Forks — 6.688 Forks
7.4/15Watcher — 22 Watcher
Verwendete Eingangsdaten
forks6.688
stars20.812
watchers22
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

72Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges10
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

94Außergewöhnlich · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

98Außergewöhnlich
Wie die Bewertung erfolgt
54/54Bus-Faktor — 12 Beitragende decken die Hälfte aller Commits ab
20.5/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 9 % der Commits
13.5/13.5Breite der Beitragenden — 100 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 95 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor12
contributors_sampled100
top_contributor_share0,088

Reaktionsfähigkeit bei Issues & PRs

84Exzellent
Wie die Bewertung erfolgt
34.1/42Issue-Lösungsquote — 81 % der Issues geschlossen
24.3/30PR-Annahme — 8.838/10.921 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs8.838
open_issues1.804
closed_issues7.756
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,811
closed_unmerged_prs2.083
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
25/25Reichweite des Inhabers — 23.764 Follower von apache
25/25Kontohistorie — 3.153 öffentliche Repos, Kontoalter ca. 17 Jahre
Verwendete Eingangsdaten
followers23.764
owner_typeOrganization
is_verified—
owner_loginapache
public_repos3.153
account_age_days6.416
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

69Gut · 19 % des Gesamtindex

Engineering-Praktiken

48Schwach
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://mxnet.apache.org
10/10Repository-Beschreibung
10/10Topics — 1 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsmxnet
has_wikija
homepagehttps://mxnet.apache.org
docs_sitehttps://mxnet.apache.org
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

69Gut · 16 % des Gesamtindex

Sicherheitslage

61Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
0/2.5CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 95 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
0/7.5Maintained — project is archived
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
6/7.5Signed-Releases — 4 out of the last 4 releases have a total of 4 signed artifacts.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages7
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:mxnet@1.9.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 7 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

69Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 99 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

69Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — 3rdparty/mshadow/guide/Makefile, 3rdparty/mshadow/guide/exp-template/Makefile, 3rdparty/mshadow/guide/mshadow-ps/Makefile, 3rdparty/mshadow/guide/neuralnet/Makefile, 3rdparty/mshadow/test/Makefile, docs/cpp_docs/Makefile, docs/python_docs/python/Makefile, docs/static_site/Makefile, example/extensions/lib_api/Makefile, example/extensions/lib_custom_op/Makefile, example/extensions/lib_pass/Makefile, example/extensions/lib_subgraph/Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — C++ (statisch typisiert)
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 1 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesGemfile.lock
has_dockerfileja
typed_languageja
bootstrap_files3rdparty/mshadow/guide/Makefile, 3rdparty/mshadow/guide/exp-template/Makefile, 3rdparty/mshadow/guide/mshadow-ps/Makefile, 3rdparty/mshadow/guide/neuralnet/Makefile, 3rdparty/mshadow/test/Makefile, docs/cpp_docs/Makefile, docs/python_docs/python/Makefile, docs/static_site/Makefile, example/extensions/lib_api/Makefile, example/extensions/lib_custom_op/Makefile, example/extensions/lib_pass/Makefile, example/extensions/lib_subgraph/Makefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,01

AI-Code-Lesbarkeit für Modelle

98Außergewöhnlich
Wie die Bewertung erfolgt
45/45Typprüfbarer Code — C++ (statisch typisiert)
53.2/55Handhabbare Dateigrößen — 55/1.689 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageC++
largest_source_bytes483.556
source_files_sampled1.689
oversized_source_files55

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — example, notebooks
Verwendete Eingangsdaten
example_dirsexample, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

20.812GitHub-Sterne
100Mitwirkende
0Commits, letzte 12 Monate
1.021Tage seit letztem Push
34Releases
12Bus-Faktor
1.804offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'mxnet' points at a different repository (https://github.com/apache/incubator-mxnet); excluded from ecosystem scoring

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 6.688 ⇿
0Sterne
6.688Forks
16Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

5.5005.7506.0006.2506.5006.7506.688152019-122023-032026-07
Major 0Minor 4Patch 3

Jeder Punkt umfasst 6 Tage.

OpenSSF Scorecard 6.1 / 10
6.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-08-12 20:17 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
0CI-Tests0 out of 30 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 95 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintainedproject is archived
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
8Signed-Releases4 out of the last 4 releases have a total of 4 signed artifacts.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Alle Abhängigkeiten 40

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 40 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIboto31.26.48indirekt
PyPIcontextvars—indirekt
PyPIdocker3.5.0indirekt
PyPIgraphviz—indirekt
PyPInumpy—indirekt
PyPIonnx—indirekt
PyPIpyyaml5.1indirekt
PyPIrequests—indirekt
RubyGemsaddressable2.7.0indirekt
RubyGemscolorator1.1.0indirekt
RubyGemsconcurrent-ruby1.1.6indirekt
RubyGemsem-websocket0.5.1indirekt
RubyGemseventmachine1.2.7indirekt
RubyGemsffi1.12.2indirekt
RubyGemsforwardable-extended2.6.0indirekt
RubyGemshttp_parser.rb0.6.0indirekt
RubyGemsi18n1.8.2indirekt
RubyGemsjekyll4.0.0indirekt
RubyGemsjekyll-feed0.13.0indirekt
RubyGemsjekyll-sass-converter2.1.0indirekt
RubyGemsjekyll-seo-tag2.6.1indirekt
RubyGemsjekyll-watch2.2.1indirekt
RubyGemskramdown2.1.0indirekt
RubyGemskramdown-parser-gfm1.1.0indirekt
RubyGemsliquid4.0.3indirekt
RubyGemslisten3.2.1indirekt
RubyGemsmercenary0.3.6indirekt
RubyGemspathutil0.16.2indirekt
RubyGemspublic_suffix4.0.3indirekt
RubyGemsrb-fsevent0.10.3indirekt
RubyGemsrb-inotify0.10.1indirekt
RubyGemsrouge3.17.0indirekt
RubyGemssafe_yaml1.0.5indirekt
RubyGemssassc2.2.1indirekt
RubyGemsterminal-table1.8.0indirekt
RubyGemsthread_safe0.3.6indirekt
RubyGemstzinfo1.2.10indirekt
RubyGemstzinfo-data1.2019.3indirekt
RubyGemsunicode-display_width1.7.0indirekt
RubyGemswdm0.1.1indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:mxnet@1.9.1 zieht 7 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit apache/mxnet teilen. Nebeneinander lesen →

98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMakerAußergewöhnlich95awslabs/gluontsProbabilistic time series modeling in PythonAußergewöhnlich90Tencent/ncnnncnn is a high-performance neural network inference framework optimized for the mobile platformExzellent83lutzroeder/netronVisualizer for neural network, deep learning and machine learning modelsExzellent71explosion/thinc🔮 A refreshing functional take on deep learning, compatible with your favorite librariesGut63deepinsight/insightfaceState-of-the-art 2D and 3D Face Analysis ProjectMittel

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.31.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.