Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-16 17:01 UTC

jax-ml / jax

Composable transformations of Python+NumPy programs: differentiate, vectorize, JIT to GPU/TPU, and more

PythonApache-2.0★ 36.307 Sterne⑂ 3.779 Forksseit Okt. 2018Auf GitHub ansehen ↗
#jax

jax-ml/jax erreicht einen Gesundheitsindex von 97 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (100/100) ab, am schwächsten bei Security (64/100). Zuletzt heute aktualisiert. 5 Mitwirkende tragen den Großteil der jüngsten Arbeit.

97
gesamt / 100
Außergewöhnlich

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.

97
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 85 wird auf der veröffentlichten Indexskala auf 97 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

jax-mlOrganisation
1.041 Follower15 öffentliche Reposseit Dez. 2019

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

Metriken nach Kategorie

Vitalität

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

100Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 7.783 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year7.783
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 29 Tagen
27/27Release-Rhythmus — ein Release etwa alle 23,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagjax-v0.11.1
releases_from_tagsnein
days_since_latest_release29
mean_days_between_releases23,2

Community & Verbreitung

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

89Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

99Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 36.307 Stars
25/25Forks — 3.779 Forks
14/15Watcher — 334 Watcher
Verwendete Eingangsdaten
forks3.779
stars36.307
watchers334
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

87Exzellent
Wie die Bewertung erfolgt
45.9/54Bus-Faktor — 5 Beitragende decken die Hälfte aller Commits ab
19/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 16 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor5
contributors_sampled99
top_contributor_share0,157

Reaktionsfähigkeit bei Issues & PRs

67Gut
Wie die Bewertung erfolgt
31.9/42Issue-Lösungsquote — 76 % der Issues geschlossen
21.8/30PR-Annahme — 21.114/29.089 entschiedene PRs gemergt
3.2/13Newcomer PR acceptance — 1/4 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs21.114
open_issues1.750
closed_issues5.546
prs_merged_7d13
prs_decided_7d21
prs_merged_30d13
prs_decided_30d21
issue_closed_ratio0,76
closed_unmerged_prs7.975
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d4

Eigentümerschaft & Trägerschaft

72Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
21.7/25Reichweite des Inhabers — 1.041 Follower von jax-ml
20.8/25Kontohistorie — 15 öffentliche Repos, Kontoalter ca. 6 Jahre
Verwendete Eingangsdaten
followers1.041
owner_typeOrganization
is_verifiednein
owner_loginjax-ml
public_repos15
account_age_days2.478

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

100Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 36 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
6.4/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfigja
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.jax.dev
10/10Repository-Beschreibung
10/10Topics — 1 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsjax
has_wikinein
homepagehttps://docs.jax.dev
docs_sitehttps://docs.jax.dev
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

64Mittel · 16 % des Gesamtindex

Sicherheitslage

55Mittel
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsbuild/requirements_lock_3_12.txt, build/requirements_lock_3_13.txt, build/requirements_lock_3_14.txt, build/requirements_lock_3_14_ft.txt, build/requirements_lock_3_15.txt, build/requirements_lock_3_15_ft.txt, docs/requirements.txt, jaxlib/setup.py, pyproject.toml, setup.py
has_codeql_workflownein
has_security_policyja
has_dependabot_configja

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages76
unassessed_packages75
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories, Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. 76 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. 75 konnten nicht bewertet werden — keine aufgelöste Version, ein nicht unterstütztes Ökosystem oder außerhalb der ausgewiesenen Paketliste. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

71Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

33Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
33.1/40Lesbare Commit-Historie — 62 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,62
agent_instruction_files—
agent_instruction_max_bytes—

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

86Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — build/rocm/docker/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — jax/py.typed
10/10Reproduzierbare Umgebung — Dockerfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesbuild/rocm/docker/Makefile
has_devcontainernein
has_linter_configja
typecheck_configsjax/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

78Gut
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (jax/py.typed)
50.5/55Handhabbare Dateigrößen — 102/1.252 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes2.365.934
source_files_sampled1.252
oversized_source_files102

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — jaxlib/gpu/triton.proto, jaxlib/mosaic/gpu/mosaic_gpu.proto, jaxlib/py_host_callback.proto, jaxlib/pytree.proto
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_filesjaxlib/gpu/triton.proto, jaxlib/mosaic/gpu/mosaic_gpu.proto, jaxlib/py_host_callback.proto, jaxlib/pytree.proto
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

36.307GitHub-Sterne
99Mitwirkende
7.783Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
5Bus-Faktor
1.750offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 3.779 ⇿
0Sterne
3.779Forks
22Releases

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.

2.6002.8003.0003.2003.4003.6003.8003.779102025-022025-112026-09
Major 0Minor 0Patch 0

Jeder Punkt umfasst 2 Tage.

Alle Abhängigkeiten 151

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 151 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPI-—indirekt
PyPIabsl-py—indirekt
PyPIabsl-py2.5.0indirekt
PyPIauditwheel—indirekt
PyPIauditwheel6.8.2indirekt
PyPIbuild—indirekt
PyPIbuild1.6.1indirekt
PyPIcloudpickle—indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcmake—indirekt
PyPIcolorama—indirekt
PyPIcolorama0.4.6indirekt
PyPIetils—indirekt
PyPIetils1.14.0indirekt
PyPIexecnet2.1.2indirekt
PyPIfilelock—indirekt
PyPIfilelock3.32.6indirekt
PyPIflatbuffers—indirekt
PyPIflatbuffers25.12.19indirekt
PyPIflax—indirekt
PyPIfsspec2026.7.0indirekt
PyPIhypothesis—indirekt
PyPIhypothesis6.168.0indirekt
PyPIimportlib-metadata—indirekt
PyPIiniconfig2.3.0indirekt
PyPIipython—indirekt
PyPIjax—indirekt
PyPIjax0.11.1indirekt
PyPIjax-cuda12-pjrt—indirekt
PyPIjax-cuda12-pjrt0.11.1indirekt
PyPIjax-cuda12-plugin—indirekt
PyPIjax-cuda12-plugin0.11.1indirekt
PyPIjax-cuda13-pjrt—indirekt
PyPIjax-cuda13-pjrt0.11.1indirekt
PyPIjax-cuda13-plugin—indirekt
PyPIjax-cuda13-plugin0.11.1indirekt
PyPIjaxlib—indirekt
PyPIjaxlib0.11.1indirekt
PyPIlibtpu—indirekt
PyPIlibtpu0.0.47indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImatplotlib—indirekt
PyPImdurl0.1.2indirekt
PyPIml-dtypes—indirekt
PyPIml-dtypes0.6.0indirekt
PyPImpmath—indirekt
PyPImpmath1.4.1indirekt
PyPImyst-nb—indirekt
PyPInumpy—indirekt
PyPInumpy2.5.3indirekt
PyPInumpy-typing-compat20260602.2.5indirekt
PyPInvidia-cublas—indirekt
PyPInvidia-cublas13.7.0.27indirekt
PyPInvidia-cublas-cu12—indirekt
PyPInvidia-cublas-cu1212.9.2.10indirekt
PyPInvidia-cuda-cccl13.3.4.2.1indirekt
PyPInvidia-cuda-cccl-cu1212.9.27indirekt
PyPInvidia-cuda-crt—indirekt
PyPInvidia-cuda-crt13.4.59indirekt
PyPInvidia-cuda-cupti—indirekt
PyPInvidia-cuda-cupti13.4.58indirekt
PyPInvidia-cuda-cupti-cu12—indirekt
PyPInvidia-cuda-cupti-cu1212.9.79indirekt
PyPInvidia-cuda-nvcc—indirekt
PyPInvidia-cuda-nvcc13.4.59indirekt
PyPInvidia-cuda-nvcc-cu12—indirekt
PyPInvidia-cuda-nvcc-cu1212.9.86indirekt
PyPInvidia-cuda-nvrtc—indirekt
PyPInvidia-cuda-nvrtc13.4.59indirekt
PyPInvidia-cuda-nvrtc-cu12—indirekt
PyPInvidia-cuda-nvrtc-cu1212.9.86indirekt
PyPInvidia-cuda-runtime—indirekt
PyPInvidia-cuda-runtime13.4.49indirekt
PyPInvidia-cuda-runtime-cu12—indirekt
PyPInvidia-cuda-runtime-cu1212.9.79indirekt
PyPInvidia-cudnn-cu129.26.0.51indirekt
PyPInvidia-cudnn-cu139.26.0.51indirekt
PyPInvidia-cufft—indirekt
PyPInvidia-cufft12.4.0.34indirekt
PyPInvidia-cufft-cu12—indirekt
PyPInvidia-cufft-cu1211.4.1.4indirekt
PyPInvidia-cusolver—indirekt
PyPInvidia-cusolver12.3.2.15indirekt
PyPInvidia-cusolver-cu12—indirekt
PyPInvidia-cusolver-cu1211.7.5.82indirekt
PyPInvidia-cusparse—indirekt
PyPInvidia-cusparse12.8.6.49indirekt
PyPInvidia-cusparse-cu12—indirekt
PyPInvidia-cusparse-cu1212.5.10.65indirekt
PyPInvidia-nccl-cu12—indirekt
PyPInvidia-nccl-cu122.31.2indirekt
PyPInvidia-nccl-cu13—indirekt
PyPInvidia-nccl-cu132.31.2indirekt
PyPInvidia-nvjitlink—indirekt
PyPInvidia-nvjitlink13.4.52indirekt
PyPInvidia-nvjitlink-cu12—indirekt
PyPInvidia-nvjitlink-cu1212.9.86indirekt
PyPInvidia-nvshmem-cu12—indirekt
PyPInvidia-nvshmem-cu123.7.2indirekt
PyPInvidia-nvshmem-cu13—indirekt
PyPInvidia-nvshmem-cu133.7.2indirekt
PyPInvidia-nvvm—indirekt
PyPInvidia-nvvm13.4.59indirekt
PyPIopt-einsum—indirekt
PyPIopt-einsum3.4.0indirekt
PyPIoptype0.18.0indirekt
PyPIpackaging26.3indirekt
PyPIpillow—indirekt
PyPIpillow12.3.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpooch—indirekt
PyPIportpicker—indirekt
PyPIportpicker1.6.0indirekt
PyPIprotobuf—indirekt
PyPIpsutil7.2.2indirekt
PyPIpydata-sphinx-theme0.16.1indirekt
PyPIpyelftools0.33indirekt
PyPIpygments2.21.0indirekt
PyPIpyproject-hooks1.2.0indirekt
PyPIpytest—indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-xdist—indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIrich—indirekt
PyPIrich15.0.0indirekt
PyPIscikit-learn—indirekt
PyPIscipy—indirekt
PyPIscipy1.18.1indirekt
PyPIscipy-stubs—indirekt
PyPIscipy-stubs1.18.1.0indirekt
PyPIsetuptools—indirekt
PyPIsetuptools84.0.0indirekt
PyPIsnowballstemmer—indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsphinx—indirekt
PyPIsphinx-book-theme1.1.1indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-design—indirekt
PyPIsphinx-remove-toctrees—indirekt
PyPIsphinxcontrib-mermaid—indirekt
PyPIsphinxext-rediraffe—indirekt
PyPItensorflow—indirekt
PyPItensorflow-datasets—indirekt
PyPItensorflow-hub—indirekt
PyPItensorstore—indirekt
PyPItensorstore0.1.85indirekt
PyPItyping-extensions4.16.0indirekt
PyPIwheel—indirekt
PyPIwheel0.48.0indirekt
PyPIxprof—indirekt
PyPIzipp4.1.0indirekt
Abhängigkeits-Advisories 0

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 76 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 0 tragen bekannte Advisories, davon 0 direkte. 75 konnten nicht bewertet werden – keine aufgelöste Version, ein nicht unterstütztes Ökosystem, oder außerhalb der ausgewiesenen Paketliste.

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 jax-ml/jax teilen. Nebeneinander lesen →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich98keras-team/kerasDeep Learning for humansAußergewöhnlich98PennyLaneAI/pennylanePennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quantum algorithms, from inspiration to implementation.Außergewöhnlich97google/orbaxOrbax provides common checkpointing and persistence utilities for JAX usersAußergewöhnlich96iree-org/ireeA retargetable MLIR-based machine learning compiler and runtime toolkit.Außergewöhnlich96keras-team/keras-hubPretrained model hub for Keras 3.Außergewöhnlich

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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken.