Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-08-30 05:29 UTC

marinerhemant / MIDAS

The repository provides codes under the Microstructural Identification using Diffraction Analysis Software

Python · Jupyter Notebook · CEigene Lizenz★ 27 Sterne⑂ 21 Forksseit Aug. 2015Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#diffraction#midas#hedm#argonne

marinerhemant/MIDAS erreicht einen Gesundheitsindex von 75 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Vitality (91/100) ab, am schwächsten bei Security (53/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

75
gesamt / 100
Gut

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.

75
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 65 wird auf der veröffentlichten Indexskala auf 75 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Hemant SharmaPersönliches Konto
12 Follower1 öffentliches Reposeit Sept. 2013@AdvancedPhotonSource

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImidas-2d0.3.38535vor 11 Tagen—
PyPImidas-dt0.7.01.53312vor 0 Tagenmidasxrd-ctdiffraction-tomographydtsynchrotronchemical-tomography
PyPImidas-dfxm0.7.01.43513vor 0 Tagen—
PyPImidas-hkls0.9.03.64613vor 5 Tagen—
PyPImidas-index0.8.01.12720vor 0 Tagenmidashedmindexingpytorchfar-fielddiffractioncrystallographypolycrystalgrain
PyPImidas-dct-tt0.1.23343vor 9 Tagen—
PyPImidas-defect0.1.59426vor 11 Tagen—
PyPImidas-invert0.2.01.0483vor 0 Tagen—

Metriken nach Kategorie

Vitalität

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

91Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

91Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
27/36Commit-Rhythmus — 39/52 Wochen mit Commits
18/18Commit-Volumen — 2.471 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_year2.471
human_commit_share1
days_since_last_push0
active_weeks_last_year39

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 0 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagmidas-stress-v0.12.0
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases0

Community & Verbreitung

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

53Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

38Schwach
Wie die Bewertung erfolgt
23/60Stars — 27 Stars
10.8/25Forks — 21 Forks
3.9/15Watcher — 6 Watcher
Verwendete Eingangsdaten
forks21
stars27
watchers6
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

64Mittel
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges1
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

63Mittel
Wie die Bewertung erfolgt
50.7/80Downloads pro Monat — 6.306 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesmidas-dt, midas-hkls, midas-index
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6.306
unverified_packages_excludedmidas-2d, midas-dfxm, midas-dct-tt, midas-defect, midas-invert
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?

57Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

29Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 100 % der Commits
9.5/13.5Breite der Beitragenden — 7 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Verwendete Eingangsdaten
bus_factor1
contributors_sampled7
top_contributor_share0,995

Reaktionsfähigkeit bei Issues & PRs

72Gut
Wie die Bewertung erfolgt
40.7/42Issue-Lösungsquote — 97 % der Issues geschlossen
22.3/30PR-Annahme — 23/31 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_prs23
open_issues1
closed_issues31
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,969
closed_unmerged_prs8
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

40Schwach
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
8/25Reichweite des Inhabers — 12 Follower von marinerhemant
14.2/25Kontohistorie — 1 öffentliche Repos, Kontoalter ca. 12 Jahre
Verwendete Eingangsdaten
followers12
owner_typeUser
is_verified—
owner_loginmarinerhemant
public_repos1
account_age_days4.733
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 — 8 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 20 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmidas-2d, midas-dt, midas-dfxm, midas-hkls, midas-index, midas-dct-tt, midas-defect, midas-invert
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

66Gut · 19 % des Gesamtindex

Engineering-Praktiken

60Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein
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
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://github.com/marinerhemant/MIDAS/tree/master/packages/midas_index
10/10Repository-Beschreibung
10/10Topics — 4 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsdiffraction, midas, hedm, argonne
has_wikija
homepage—
docs_sitehttps://github.com/marinerhemant/MIDAS/tree/master/packages/midas_index
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

53Mittel · 16 % des Gesamtindex

Sicherheitslage

41Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/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
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Lizenz — 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
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
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.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate4,1
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_packages12
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:midas-2d@0.3.3 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 12 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.

60Mittel · 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 — 94 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,94
agent_instruction_files—
agent_instruction_max_bytes—

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

51Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — packages/midas_defect/docs/Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
0/10Reproduzierbare Umgebung
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filespackages/midas_defect/docs/Makefile
has_devcontainernein
has_linter_confignein
typecheck_configspackages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed)
54/55Handhabbare Dateigrößen — 44/2.346 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes280.318
source_files_sampled2.346
oversized_source_files44

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, examples, notebooks
Verwendete Eingangsdaten
example_dirsexample, examples, 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

27GitHub-Sterne
7Mitwirkende
2.471Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
1Bus-Faktor
1offene Issues
—Paket-Ökosysteme

Warnungen zur Datenerhebung

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

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 21 ⇿
0Sterne
21Forks

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.

048121620242112016-062021-062026-05

Jeder Punkt umfasst 10 Tage.

OpenSSF Scorecard 4.1 / 10
4.1Gesamtwert

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 · 2026-08-30 05:28 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/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
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 147
RegistryPaketVersionsvorgabeManifest
PyPInumpy>=1.20packages/midas_2d/pyproject.toml
PyPItorch>=2.0packages/midas_2d/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_2d/pyproject.toml
PyPImidas-pink>=0.1packages/midas_2d/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_2d/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate/pyproject.toml
PyPImidas-distortion>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-integrate>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-peakfit>=0.2.0packages/midas_calibrate/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate/pyproject.toml
PyPIpsutil>=5.8packages/midas_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate_v2/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-integrate>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-peakfit>=0.2.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-calibrate>=0.4.0packages/midas_calibrate_v2/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate_v2/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-zipper>=0.1.1packages/midas_calibrate_v2/pyproject.toml
PyPIscikit-image>=0.19packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dct_tt/pyproject.toml
PyPInumpy>=1.20packages/midas_dct_tt/pyproject.toml
PyPItorch>=2.0packages/midas_dct_tt/pyproject.toml
PyPImidas-dfxm>=0.3.1packages/midas_dct_tt/pyproject.toml
PyPImidas-stress>=0.8.1packages/midas_dct_tt/pyproject.toml
PyPImidas-diffract>=0.7packages/midas_dct_tt/pyproject.toml
PyPImidas-hkls>=0.7.2packages/midas_dct_tt/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dct_tt/pyproject.toml
PyPImidas-distortion>=0.2packages/midas_dct_tt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_defect/pyproject.toml
PyPItorch>=2.0packages/midas_defect/pyproject.toml
PyPIpandas>=1.5packages/midas_defect/pyproject.toml
PyPIscipy>=1.10packages/midas_defect/pyproject.toml
PyPItifffile>=2023.0packages/midas_defect/pyproject.toml
PyPIzarr>=2.14packages/midas_defect/pyproject.toml
PyPImidas-transforms>=0.1packages/midas_defect/pyproject.toml
PyPImidas-hkls>=0.1packages/midas_defect/pyproject.toml
PyPImidas-stress>=0.1packages/midas_defect/pyproject.toml
PyPImidas-diffract>=0.1packages/midas_defect/pyproject.toml
PyPImidas-index>=0.1packages/midas_defect/pyproject.toml
PyPImidas-peakfit>=0.1packages/midas_defect/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_dfxm/pyproject.toml
PyPItorch>=2.0packages/midas_dfxm/pyproject.toml
PyPImidas-stress—packages/midas_dfxm/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_dfxm/pyproject.toml
PyPImidas-2d>=0.1packages/midas_dfxm/pyproject.toml
PyPImidas-defect—packages/midas_dfxm/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dfxm/pyproject.toml
PyPImidas-distortion—packages/midas_dfxm/pyproject.toml
PyPInumpy>=1.22packages/midas_diffract/pyproject.toml
PyPItorch>=2.0packages/midas_diffract/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_diffract/pyproject.toml
PyPImidas-stress>=0.8.0packages/midas_diffract/pyproject.toml
PyPInumpy>=1.22packages/midas_distortion/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_dt/pyproject.toml
PyPInumpy>=1.22packages/midas_dt/pyproject.toml
PyPImidas-tomo>=0.1.0packages/midas_dt/pyproject.toml
PyPImidas-integrate-v2>=0.7.0packages/midas_dt/pyproject.toml
PyPImidas-integrate>=0.7.0packages/midas_dt/pyproject.toml
PyPIscipy>=1.7packages/midas_dt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_ff_pipeline/pyproject.toml
PyPInumpy>=1.22packages/midas_ff_pipeline/pyproject.toml
PyPItorch>=2.0packages/midas_ff_pipeline/pyproject.toml
PyPIzarr>=2.14,<3packages/midas_ff_pipeline/pyproject.toml
PyPIh5py>=3.7packages/midas_ff_pipeline/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_ff_pipeline/pyproject.toml
PyPItifffile—packages/midas_ff_pipeline/pyproject.toml
PyPIpandas>=1.5packages/midas_ff_pipeline/pyproject.toml
PyPImidas-zipper>=0.1.5packages/midas_ff_pipeline/pyproject.toml
PyPImidas-hkls>=0.9.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-peakfit>=0.4.6packages/midas_ff_pipeline/pyproject.toml
PyPImidas-transforms>=0.8.2packages/midas_ff_pipeline/pyproject.toml
PyPImidas-index>=0.3.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-fit-grain>=0.8.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-process-grains>=0.10.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-pipeline>=0.15.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-parsl-configs>=0.1.0packages/midas_ff_pipeline/pyproject.toml
PyPInumpy>=1.22packages/midas_fit_grain/pyproject.toml
PyPItorch>=2.0packages/midas_fit_grain/pyproject.toml
PyPIscipy>=1.10packages/midas_fit_grain/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.11.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_grain_odf/pyproject.toml
PyPInumpy>=1.20packages/midas_grain_odf/pyproject.toml
PyPItorch>=2.0packages/midas_grain_odf/pyproject.toml
PyPIpandas>=1.5packages/midas_grain_odf/pyproject.toml
PyPIh5py>=3.0packages/midas_grain_odf/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_grain_odf/pyproject.toml
PyPImidas-diffract>=0.1packages/midas_grain_odf/pyproject.toml
PyPImidas-stress>=0.1packages/midas_grain_odf/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_hkls/pyproject.toml
PyPInumpy>=1.22packages/midas_hkls/pyproject.toml
PyPImidas-params>=0.11.0packages/midas_index/pyproject.toml
PyPInumpy>=1.22packages/midas_index/pyproject.toml
PyPItorch>=2.0packages/midas_index/pyproject.toml
PyPImidas-diffract>=0.8.0packages/midas_index/pyproject.toml
PyPImidas-stress>=0.5.0,<1.0packages/midas_index/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate/pyproject.toml
PyPIscipy>=1.9packages/midas_integrate/pyproject.toml
PyPItorch>=2.1packages/midas_integrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_integrate/pyproject.toml
PyPIh5py>=3.0packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate/pyproject.toml
PyPInumba>=0.59packages/midas_integrate/pyproject.toml
PyPIjoblib>=1.2packages/midas_integrate/pyproject.toml
PyPIzarr>=2.16,<3packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_integrate_v2/pyproject.toml
PyPImidas-integrate>=0.7.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-calibrate-v2>=0.11.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.20packages/midas_invert/pyproject.toml
PyPItorch>=2.0packages/midas_invert/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_joint_ff_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-peakfit>=0.4.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate-v2>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate>=0.2.6packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-fit-grain>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_nf_fitorientation/pyproject.toml
PyPInumpy>=1.22packages/midas_nf_fitorientation/pyproject.toml
PyPIscipy>=1.7packages/midas_nf_fitorientation/pyproject.toml
PyPItorch>=2.0packages/midas_nf_fitorientation/pyproject.toml
PyPImidas-diffract>=0.7.0packages/midas_nf_fitorientation/pyproject.toml
PyPImidas-stress>=0.6.0packages/midas_nf_fitorientation/pyproject.toml
Alle Abhängigkeiten 66

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 35 direkte und 31 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIh5py—direkt
PyPIhdf5plugin—direkt
PyPIjoblib—direkt
PyPImidas-2d—direkt
PyPImidas-calibrate—direkt
PyPImidas-calibrate-v2—direkt
PyPImidas-defect—direkt
PyPImidas-dfxm—direkt
PyPImidas-diffract—direkt
PyPImidas-distortion—direkt
PyPImidas-fit-grain—direkt
PyPImidas-hkls—direkt
PyPImidas-index—direkt
PyPImidas-integrate—direkt
PyPImidas-integrate-v2—direkt
PyPImidas-invert—direkt
PyPImidas-params—direkt
PyPImidas-parsl-configs—direkt
PyPImidas-peakfit—direkt
PyPImidas-pink—direkt
PyPImidas-pipeline—direkt
PyPImidas-process-grains—direkt
PyPImidas-stress—direkt
PyPImidas-tomo—direkt
PyPImidas-transforms—direkt
PyPImidas-zipper—direkt
PyPInumba—direkt
PyPInumpy—direkt
PyPIpandas—direkt
PyPIpsutil—direkt
PyPIscikit-image—direkt
PyPIscipy—direkt
PyPItifffile—direkt
PyPItorch—direkt
PyPIzarr—direkt
PyPIfabio—indirekt
PyPIgemmi—indirekt
PyPImatplotlib—indirekt
PyPImidas-dct-tt—indirekt
PyPImidas-dt—indirekt
PyPImidas-ff-pipeline—indirekt
PyPImidas-grain-odf—indirekt
PyPImidas-joint-ff-calibrate—indirekt
PyPImidas-nf-fitorientation—indirekt
PyPImidas-nf-pipeline—indirekt
PyPImidas-nf-preprocess—indirekt
PyPImidas-pdf—indirekt
PyPImidas-pf-odf—indirekt
PyPImidas-plotting—indirekt
PyPImidas-propagate—indirekt
PyPImidas-uq—indirekt
PyPImidas-xaf—indirekt
PyPImultiprocess—indirekt
PyPInumcodecs—indirekt
PyPIpillow—indirekt
PyPIplotly—indirekt
PyPIpycifrw—indirekt
PyPIpyro-ppl—indirekt
PyPIpytest—indirekt
PyPIpytest-benchmark—indirekt
PyPIpytest-cov—indirekt
PyPIscikit-build-core—indirekt
PyPIsetuptools—indirekt
PyPIsr-midas—indirekt
PyPIstreamlit—indirekt
PyPItqdm—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:midas-2d@0.3.3 zieht 12 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 marinerhemant/MIDAS teilen. Nebeneinander lesen →

50pdbeurope/investigationsThis application is designed to create mmcif files from facilities data.Mittel100Project-MONAI/MONAIAI Toolkit for Healthcare ImagingAußergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich

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.