Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-13 15:31 UTC

johnmarktaylor91 / torchlens

Capture every activation and gradient of any PyTorch model — forward and backward — with automatic graph visualization, rich metadata, and live interventions. Works on any architecture, including dynamic and recurrent ones.

PythonApache-2.0★ 658 Sterne⑂ 30 Forksseit Okt. 2022Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

johnmarktaylor91/torchlens erreicht einen Gesundheitsindex von 83 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (85/100) ab, am schwächsten bei Community & Adoption (55/100). Zuletzt vor 5 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

83
gesamt / 100
Exzellent

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.

83
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 70 wird auf der veröffentlichten Indexskala auf 83 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

JohnMark TaylorPersönliches Konto
30 Follower13 öffentliche Reposseit Jan. 2016Columbia University

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPItorchlens2.34.11.741153vor 33 Tagentorchtorchlensactivationsfeaturesio

Metriken nach Kategorie

Vitalität

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

85Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

81Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 5 Tagen
17.3/36Commit-Rhythmus — 25/52 Wochen mit Commits
18/18Commit-Volumen — 5.268 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year5.268
human_commit_share1
days_since_last_push5
active_weeks_last_year25

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 33 Tagen
27/27Release-Rhythmus — ein Release etwa alle 3,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv2.34.1
releases_from_tagsnein
days_since_latest_release33
mean_days_between_releases3,6

Community & Verbreitung

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

55Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

61Mittel
Wie die Bewertung erfolgt
45.7/60Stars — 658 Stars
12.2/25Forks — 30 Forks
3.3/15Watcher — 5 Watcher
Verwendete Eingangsdaten
forks30
stars658
watchers5
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges1
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

54Mittel
Wie die Bewertung erfolgt
43.2/80Downloads pro Monat — 1.741 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagestorchlens
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1.741
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

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

56Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

15Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 100 % der Commits
2.7/13.5Breite der Beitragenden — 2 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled2
top_contributor_share1

Reaktionsfähigkeit bei Issues & PRs

75Gut
Wie die Bewertung erfolgt
37.8/42Issue-Lösungsquote — 90 % der Issues geschlossen
27.2/30PR-Annahme — 125/138 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs125
open_issues4
closed_issues36
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,9
closed_unmerged_prs13
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

51Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
10.7/25Reichweite des Inhabers — 30 Follower von johnmarktaylor91
20.3/25Kontohistorie — 13 öffentliche Repos, Kontoalter ca. 10 Jahre
Verwendete Eingangsdaten
followers30
owner_typeUser
is_verified—
owner_loginjohnmarktaylor91
public_repos13
account_age_days3.903
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 33 Tagen
20/20Versionshistorie — 153 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagestorchlens
ecosystemspypi
any_deprecatednein
min_days_since_publish33

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

85Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_site—
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

70Gut · 16 % des Gesamtindex

Sicherheitslage

62Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
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
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
4/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 8
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate6,2
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests. 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_packages35
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:torchlens@2.34.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 35 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.

75Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/AGENTS.md, AGENTS.md, CLAUDE.md, notebooks/audit/CLAUDE.md, notebooks/audit/visual/CLAUDE.md, scripts/AGENTS.md, tests/AGENTS.md, torchlens/AGENTS.md, torchlens/CLAUDE.md, torchlens/_io/AGENTS.md, torchlens/_trace_core/AGENTS.md, torchlens/attribution/AGENTS.md, torchlens/autoroute/AGENTS.md, torchlens/backends/AGENTS.md, torchlens/backends/jax/AGENTS.md, torchlens/backends/mlx/AGENTS.md, torchlens/backends/paddle/AGENTS.md, torchlens/backends/tf/AGENTS.md, torchlens/backends/tinygrad/AGENTS.md, torchlens/backends/torch/AGENTS.md, torchlens/bridge/AGENTS.md, torchlens/bundle/AGENTS.md, torchlens/callbacks/AGENTS.md, torchlens/capture/AGENTS.md, torchlens/capture/CLAUDE.md, torchlens/compat/AGENTS.md, torchlens/data_classes/AGENTS.md, torchlens/data_classes/CLAUDE.md, torchlens/debug/AGENTS.md, torchlens/distributed/AGENTS.md, torchlens/errors/AGENTS.md, torchlens/experimental/AGENTS.md, torchlens/export/AGENTS.md, torchlens/fastlog/CLAUDE.md, torchlens/intervention/CLAUDE.md, torchlens/io/AGENTS.md, torchlens/ir/AGENTS.md, torchlens/merged/AGENTS.md, torchlens/partial/AGENTS.md, torchlens/postprocess/AGENTS.md, torchlens/postprocess/CLAUDE.md, torchlens/receptive_field/AGENTS.md, torchlens/repgeom/AGENTS.md, torchlens/report/AGENTS.md, torchlens/semantic/AGENTS.md, torchlens/stats/AGENTS.md, torchlens/utils/AGENTS.md, torchlens/validation/AGENTS.md, torchlens/validation/CLAUDE.md, torchlens/visualization/AGENTS.md, torchlens/visualization/CLAUDE.md, torchlens/viz/AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 99 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,99
agent_instruction_files.github/AGENTS.md, AGENTS.md, CLAUDE.md, notebooks/audit/CLAUDE.md, notebooks/audit/visual/CLAUDE.md, scripts/AGENTS.md, tests/AGENTS.md, torchlens/AGENTS.md, torchlens/CLAUDE.md, torchlens/_io/AGENTS.md, torchlens/_trace_core/AGENTS.md, torchlens/attribution/AGENTS.md, torchlens/autoroute/AGENTS.md, torchlens/backends/AGENTS.md, torchlens/backends/jax/AGENTS.md, torchlens/backends/mlx/AGENTS.md, torchlens/backends/paddle/AGENTS.md, torchlens/backends/tf/AGENTS.md, torchlens/backends/tinygrad/AGENTS.md, torchlens/backends/torch/AGENTS.md, torchlens/bridge/AGENTS.md, torchlens/bundle/AGENTS.md, torchlens/callbacks/AGENTS.md, torchlens/capture/AGENTS.md, torchlens/capture/CLAUDE.md, torchlens/compat/AGENTS.md, torchlens/data_classes/AGENTS.md, torchlens/data_classes/CLAUDE.md, torchlens/debug/AGENTS.md, torchlens/distributed/AGENTS.md, torchlens/errors/AGENTS.md, torchlens/experimental/AGENTS.md, torchlens/export/AGENTS.md, torchlens/fastlog/CLAUDE.md, torchlens/intervention/CLAUDE.md, torchlens/io/AGENTS.md, torchlens/ir/AGENTS.md, torchlens/merged/AGENTS.md, torchlens/partial/AGENTS.md, torchlens/postprocess/AGENTS.md, torchlens/postprocess/CLAUDE.md, torchlens/receptive_field/AGENTS.md, torchlens/repgeom/AGENTS.md, torchlens/report/AGENTS.md, torchlens/semantic/AGENTS.md, torchlens/stats/AGENTS.md, torchlens/utils/AGENTS.md, torchlens/validation/AGENTS.md, torchlens/validation/CLAUDE.md, torchlens/visualization/AGENTS.md, torchlens/visualization/CLAUDE.md, torchlens/viz/AGENTS.md
agent_instruction_max_bytes78.230

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

57Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — torchlens/py.typed
0/10Reproduzierbare Umgebung
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
8/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 8
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configstorchlens/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

80Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (torchlens/py.typed)
53.2/55Handhabbare Dateigrößen — 143/4.472 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes318.348
source_files_sampled4.472
oversized_source_files143

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 — demos, examples, notebooks, recipes
Verwendete Eingangsdaten
example_dirsdemos, examples, notebooks, recipes
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

658GitHub-Sterne
2Mitwirkende
5.268Commits, letzte 12 Monate
5Tage seit letztem Push
100Releases
1Bus-Faktor
4offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 30 ⇿
0Sterne
30Forks
100Releases

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.

0510152025303022022-122024-102026-09
Major 2Minor 49Patch 49

Jeder Punkt umfasst 4 Tage.

OpenSSF Scorecard 6.2 / 10
6.2Gesamtwert

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 · 2026-09-13 15:30 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
8Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 8
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPInumpy>=1.26.4pyproject.toml
PyPIpackaging>=23.2pyproject.toml
PyPItorch>=2.1pyproject.toml
PyPItorch>=2.2pyproject.toml
PyPItorch>=2.6pyproject.toml
PyPIsafetensors>=0.4pyproject.toml
PyPItqdm>=4.66pyproject.toml
PyPIgraphviz>=0.20.1pyproject.toml
PyPItyping_extensions>=4.0pyproject.toml
PyPIpillow>=9pyproject.toml
Alle Abhängigkeiten 90

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 10 direkte und 80 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIgraphviz—direkt
PyPInumpy—direkt
PyPIpackaging—direkt
PyPIpackaging26.3direkt
PyPIpillow—direkt
PyPIsafetensors—direkt
PyPItorch—direkt
PyPItqdm—direkt
PyPItyping-extensions—direkt
PyPItyping-extensions4.16.0direkt
PyPIannotated-types0.8.0indirekt
PyPIbrainscore-core—indirekt
PyPIbuild—indirekt
PyPIbuild1.5.0indirekt
PyPIcairosvg—indirekt
PyPIcaptum—indirekt
PyPIcertifi2026.7.22indirekt
PyPIcharset-normalizer3.5.1indirekt
PyPIclick8.4.2indirekt
PyPIclick-option-group0.5.9indirekt
PyPIdeprecated1.3.1indirekt
PyPIdepyf—indirekt
PyPIdialz—indirekt
PyPIdotty-dict1.3.1indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.59indirekt
PyPIgrad-cam—indirekt
PyPIidna3.18indirekt
PyPIimportlib-resources6.5.2indirekt
PyPIinseq—indirekt
PyPIipython—indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema—indirekt
PyPIjupyter-client—indirekt
PyPIlightning—indirekt
PyPIlit-nlp—indirekt
PyPIlovely-tensors—indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib—indirekt
PyPImcp—indirekt
PyPImdurl0.1.2indirekt
PyPImlx—indirekt
PyPImypy2.1.0indirekt
PyPInnsight—indirekt
PyPIpaddlepaddle—indirekt
PyPIpandas—indirekt
PyPIpip-audit2.10.1indirekt
PyPIpre-commit—indirekt
PyPIpsutil—indirekt
PyPIpyarrow—indirekt
PyPIpydantic—indirekt
PyPIpydantic2.13.4indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpydot4.0.1indirekt
PyPIpygments2.20.0indirekt
PyPIpymupdf—indirekt
PyPIpyproject-hooks1.2.0indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIpython-gitlab5.6.0indirekt
PyPIpython-semantic-release9.21.1indirekt
PyPIpyyaml—indirekt
PyPIreferencing—indirekt
PyPIrepeng—indirekt
PyPIrequests2.34.2indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIrich14.3.4indirekt
PyPIrsatoolbox—indirekt
PyPIruff0.15.4indirekt
PyPIsae-lens—indirekt
PyPIsentence-transformers—indirekt
PyPIsetuptools—indirekt
PyPIsetuptools84.0.0indirekt
PyPIshap—indirekt
PyPIshellingham1.5.4indirekt
PyPIsmmap5.0.3indirekt
PyPIsteering-vectors—indirekt
PyPItensorflow—indirekt
PyPItimm—indirekt
PyPItinygrad—indirekt
PyPItomlkit0.15.1indirekt
PyPItorchextractor—indirekt
PyPItorchshow—indirekt
PyPItorchvision—indirekt
PyPItransformers—indirekt
PyPItyping-inspection0.4.4indirekt
PyPIurllib32.7.0indirekt
PyPIwandb—indirekt
PyPIwrapt2.3.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:torchlens@2.34.1 zieht 35 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 johnmarktaylor91/torchlens teilen. Nebeneinander lesen →

98feast-dev/feastThe Open Source Feature Store for AI/MLAußergewöhnlich98NVIDIA/Megatron-LMOngoing research training transformer models at scaleAußergewöhnlich98python-trio/trioTrio – a friendly Python library for async concurrency and I/OAußergewöhnlich95graphistry/pygraphistryPyGraphistry is a Python library to quickly load, shape, embed, and explore big graphs with the GPU-accelerated Graphistry visual graph analyzerAußergewöhnlich94awslabs/gluontsProbabilistic time series modeling in PythonAußergewöhnlich94pytorch/TensorRTPyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRTAußergewöhnlich

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 — PyPI.