Öffentliches Register
Software-GesundheitsberichtSchema 0.12.0 · Metriken 2.10.0 · 2026-07-18 11:55 UTC

meta-pytorch / torchx

TorchX is a universal job launcher for PyTorch applications. TorchX is designed to have fast iteration time for training/research and support for E2E production ML pipelines when you're ready.

PythonEigene Lizenz★ 427 Sterne⑂ 155 Forksseit Mai 2021Auf GitHub ansehen ↗
#pytorch#machine-learning#kubernetes#slurm#distributed-training#pipelines#components#deep-learning#python#aws-batch#ray#airflow

meta-pytorch/torchx erreicht einen Gesundheitsindex von 91 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (92/100) ab, am schwächsten bei Security (58/100). Zuletzt heute aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

91
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.

91
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 77 wird auf der veröffentlichten Indexskala auf 91 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Meta PyTorchOrganisation
1.389 Follower58 öffentliche Reposseit Juni 2022

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPItorchxverweist auf ein anderes Repo — nicht bewertet0.7.0193.70617vor 731 Tagenpytorchmachine-learning

Metriken nach Kategorie

Vitalität

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

78Gut · 21 % des Gesamtindex

Entwicklungsaktivität

95Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
31.2/36Commit-Rhythmus — 45/52 Wochen mit Commits
18/18Commit-Volumen — 159 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 22 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year159
human_commit_share—
days_since_last_push0
active_weeks_last_year45

Release-Disziplin

52Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 15 Releases veröffentlicht
0/36Release-Aktualität — letztes Release vor 731 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 111,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count15
latest_release_tagv0.7.0
releases_from_tagsnein
days_since_latest_release731
mean_days_between_releases111,3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

76Gut · 17 % des Gesamtindex

Popularität & Verbreitung

67Gut
Wie die Bewertung erfolgt
42.7/60Stars — 427 Stars
18.2/25Forks — 155 Forks
6.5/15Watcher — 16 Watcher
Verwendete Eingangsdaten
forks155
stars427
watchers16
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

86Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
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)

76Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
16.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 29 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 21 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor3
contributors_sampled99
top_contributor_share0,286

Reaktionsfähigkeit bei Issues & PRs

61Mittel
Wie die Bewertung erfolgt
28.1/42Issue-Lösungsquote — 67 % der Issues geschlossen
12.6/30PR-Annahme — 434/1.036 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
12/15OpenSSF Scorecard: Code-Review — Found 22/27 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs434
open_issues68
closed_issues137
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,668
closed_unmerged_prs602
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

92Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
22.6/25Reichweite des Inhabers — 1.389 Follower von meta-pytorch
21.1/25Kontohistorie — 58 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers1.389
owner_typeOrganization
is_verified—
owner_loginmeta-pytorch
public_repos58
account_age_days1.499
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 10 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://pytorch.org/torchx
10/10Repository-Beschreibung
10/10Topics — 12 Topics
0/10Wiki
Verwendete Eingangsdaten
topicspytorch, machine-learning, kubernetes, slurm, distributed-training, pipelines, components, deep-learning, python, aws-batch, ray, airflow
has_wikinein
homepagehttps://pytorch.org/torchx
docs_sitehttps://pytorch.org/torchx
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

58Mittel · 16 % des Gesamtindex

Sicherheitslage

58Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6/7.5Code-Review — Found 22/27 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 21 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
2.2/2.5Lizenz — license file detected
7.5/7.5Maintained — 22 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
4/5SAST — SAST tool is not run on all commits -- score normalized to 8
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 39 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

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

75Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .claude/CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files.claude/CLAUDE.md
agent_instruction_max_bytes1.532
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

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

73Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine Daten
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.8/55Handhabbare Dateigrößen — 1/231 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes68.380
source_files_sampled231
oversized_source_files1

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 — examples
Verwendete Eingangsdaten
example_dirsexamples
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

427GitHub-Sterne
99Mitwirkende
159Commits, letzte 12 Monate
0Tage seit letztem Push
15Releases
3Bus-Faktor
68offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • pypi package 'torchx' points at a different repository (https://github.com/pytorch/torchx); excluded from ecosystem scoring

Weitere Details

OpenSSF Scorecard 5.8 / 10
5.8Gesamtwert

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 · 2026-07-18 11:55 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 22/27 approved changesets -- score normalized to 8
10Contributorsproject has 21 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained22 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
8SASTSAST tool is not run on all commits -- score normalized to 8
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities39 existing vulnerabilities detected
Direkte Abhängigkeiten 7
RegistryPaketVersionsvorgabeManifest
PyPIdocstring-parser>=0.8.1pyproject.toml
PyPIpyyaml—pyproject.toml
PyPIdocker—pyproject.toml
PyPIfilelock—pyproject.toml
PyPIfsspec>=2023.10.0pyproject.toml
PyPItabulate—pyproject.toml
PyPItyping-extensions—pyproject.toml
Alle Abhängigkeiten 237

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 7 direkte und 230 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIdocker7.1.0direkt
PyPIdocstring-parser0.17.0direkt
PyPIfilelock3.20.3direkt
PyPIfsspec2026.2.0direkt
PyPIpyyaml6.0.3direkt
PyPItabulate0.9.0direkt
PyPItyping-extensions4.15.0direkt
PyPIabsl-py2.3.1indirekt
PyPIaiobotocore3.1.2indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.14.1indirekt
PyPIaioitertools0.13.0indirekt
PyPIaiosignal1.4.0indirekt
PyPIalembic1.18.4indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIantlr4-python3-runtime4.9.3indirekt
PyPIanyio4.12.1indirekt
PyPIasttokens3.0.1indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs23.2.0indirekt
PyPIax-platform0.2.3indirekt
PyPIbcrypt5.0.0indirekt
PyPIblack25.11.0indirekt
PyPIblinker1.9.0indirekt
PyPIboto31.42.42indirekt
PyPIbotocore1.42.42indirekt
PyPIbotorch0.6.0indirekt
PyPIcachetools6.2.4indirekt
PyPIcaptum0.8.0indirekt
PyPIcertifi2026.1.4indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclick8.1.8indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.13.1indirekt
PyPIcryptography46.0.7indirekt
PyPIcuda-bindings12.9.4indirekt
PyPIcuda-pathfinder1.3.3indirekt
PyPIcycler0.12.1indirekt
PyPIdatabricks-sdk0.80.0indirekt
PyPIdataclasses-json0.5.7indirekt
PyPIdecorator5.2.1indirekt
PyPIenum-compat0.0.3indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecuting2.2.1indirekt
PyPIfastapi0.137.1indirekt
PyPIflask3.1.2indirekt
PyPIflask-cors6.0.2indirekt
PyPIfonttools4.61.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.46indirekt
PyPIgoogle-auth2.47.0indirekt
PyPIgoogle-auth-oauthlib1.0.0indirekt
PyPIgpytorch1.15.1indirekt
PyPIgraphene3.4.3indirekt
PyPIgraphql-core3.2.7indirekt
PyPIgraphql-relay3.2.0indirekt
PyPIgreenlet3.3.1indirekt
PyPIgrpcio1.76.0indirekt
PyPIgunicorn23.0.0indirekt
PyPIh110.16.0indirekt
PyPIhuey2.6.0indirekt
PyPIhydra-core1.3.2indirekt
PyPIidna3.18indirekt
PyPIimportlib-metadata6.11.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIinvoke2.2.1indirekt
PyPIipython8.38.0indirekt
PyPIipython9.9.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjaxtyping0.3.6indirekt
PyPIjedi0.19.2indirekt
PyPIjinja2—indirekt
PyPIjinja23.1.6indirekt
PyPIjmespath1.1.0indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkiwisolver1.4.9indirekt
PyPIkubernetes25.3.0indirekt
PyPIlibcst1.8.6indirekt
PyPIlightning-utilities0.15.2indirekt
PyPIlinear-operator0.6indirekt
PyPIlintrunner0.13.0indirekt
PyPIlintrunner-adapters0.13.0indirekt
PyPImako1.3.12indirekt
PyPImarkdown3.10.1indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImarshmallow3.26.2indirekt
PyPImarshmallow-enum1.5.1indirekt
PyPImatplotlib3.10.8indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPImlflow3.13.0indirekt
PyPImlflow-skinny3.13.0indirekt
PyPImlflow-tracing3.13.0indirekt
PyPImock4.0.3indirekt
PyPImoto5.0.28indirekt
PyPImpmath1.3.0indirekt
PyPImultidict6.7.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInarwhals2.15.0indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInumpy1.26.4indirekt
PyPInvidia-cublas-cu1212.8.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.8.90indirekt
PyPInvidia-cuda-nvrtc-cu1212.8.93indirekt
PyPInvidia-cuda-runtime-cu1212.8.90indirekt
PyPInvidia-cudnn-cu129.10.2.21indirekt
PyPInvidia-cufft-cu1211.3.3.83indirekt
PyPInvidia-cufile-cu121.13.1.3indirekt
PyPInvidia-curand-cu1210.3.9.90indirekt
PyPInvidia-cusolver-cu1211.7.3.90indirekt
PyPInvidia-cusparse-cu1212.5.8.93indirekt
PyPInvidia-cusparselt-cu120.7.1indirekt
PyPInvidia-nccl-cu122.27.5indirekt
PyPInvidia-nvjitlink-cu1212.8.93indirekt
PyPInvidia-nvshmem-cu123.4.5indirekt
PyPInvidia-nvtx-cu1212.8.90indirekt
PyPIoauthlib3.3.1indirekt
PyPIomegaconf2.2.3indirekt
PyPIopentelemetry-api1.39.1indirekt
PyPIopentelemetry-proto1.39.1indirekt
PyPIopentelemetry-sdk1.39.1indirekt
PyPIopentelemetry-semantic-conventions0.60b1indirekt
PyPIpackaging25.0indirekt
PyPIpandas2.3.3indirekt
PyPIparamiko4.0.0indirekt
PyPIparso0.8.5indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.1.0indirekt
PyPIpip25.3indirekt
PyPIplatformdirs4.5.1indirekt
PyPIplotly6.5.2indirekt
PyPIpluggy1.6.0indirekt
PyPIprettytable3.17.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.4.1indirekt
PyPIprotobuf5.29.5indirekt
PyPIpsutil7.2.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpyarrow24.0.0indirekt
PyPIpyasn10.6.3indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.12.5indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.19.2indirekt
PyPIpynacl1.6.2indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyre-check0.9.25indirekt
PyPIpyre-extensions0.0.32indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.2.1indirekt
PyPIpytorch-lightning2.5.0indirekt
PyPIpytorch-sphinx-theme—indirekt
PyPIpytz2025.2indirekt
PyPIpywin32311indirekt
PyPIpyyaml-ft8.0.0indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.34.2indirekt
PyPIrequests-oauthlib2.0.0indirekt
PyPIresponses0.25.8indirekt
PyPIrich13.9.4indirekt
PyPIrpds-py0.30.0indirekt
PyPIrsa4.9.1indirekt
PyPIruff-api0.2.0indirekt
PyPIs3fs2026.2.0indirekt
PyPIs3transfer0.16.0indirekt
PyPIsagemaker-core2.4.1indirekt
PyPIsagemaker-mlflow0.2.0indirekt
PyPIsagemaker-train1.4.1indirekt
PyPIschema0.7.8indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscikit-learn1.8.0indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.17.0indirekt
PyPIsetuptools80.10.1indirekt
PyPIsix1.17.0indirekt
PyPIskops0.14.0indirekt
PyPIsmdebug-rulesconfig1.0.1indirekt
PyPIsmmap5.0.2indirekt
PyPIsphinx—indirekt
PyPIsphinxcontrib-katex—indirekt
PyPIsqlalchemy2.0.46indirekt
PyPIsqlparse0.5.5indirekt
PyPIstack-data0.6.3indirekt
PyPIstarlette1.3.1indirekt
PyPIstdlibs2025.10.28indirekt
PyPIsympy1.14.0indirekt
PyPItblib3.2.2indirekt
PyPItensorboard2.14.0indirekt
PyPItensorboard-data-server0.7.2indirekt
PyPItestslide2.7.0indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItomli2.4.0indirekt
PyPItomli-w1.2.0indirekt
PyPItorch2.10.0indirekt
PyPItorch-model-archiver0.12.0indirekt
PyPItorchmetrics1.6.3indirekt
PyPItorchserve0.12.0indirekt
PyPItorchtext0.18.0indirekt
PyPItorchvision0.25.0indirekt
PyPItqdm4.67.1indirekt
PyPItraitlets5.14.3indirekt
PyPItriton3.6.0indirekt
PyPIts0.5.1indirekt
PyPItypeguard4.4.4indirekt
PyPItyping-inspect0.9.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPIufmt2.9.0indirekt
PyPIurllib32.6.3indirekt
PyPIusort1.1.0indirekt
PyPIuvicorn0.40.0indirekt
PyPIwadler-lindig0.1.7indirekt
PyPIwaitress3.0.2indirekt
PyPIwcwidth0.3.3indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwerkzeug3.1.5indirekt
PyPIwheel0.46.3indirekt
PyPIwrapt1.17.3indirekt
PyPIxmltodict1.0.2indirekt
PyPIyarl1.22.0indirekt
PyPIzipp3.23.0indirekt
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 meta-pytorch/torchx teilen. Nebeneinander lesen →

100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich99argoproj/argo-workflowsWorkflow Engine for KubernetesAußergewöhnlich99huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Außergewöhnlich98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeAußergewöhnlich98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsAußergewöhnlich

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 v0.12.0 — vollständige Methodik · Metriken-Wiki.

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