Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-13 04:58 UTC

openvinotoolkit / nncf

Neural Network Compression Framework for enhanced OpenVINO™ inference

PythonApache-2.0★ 1.189 Sterne⑂ 301 Forksseit Mai 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#quantization#pruning#sparsity#quantization-aware-training#mixed-precision-training#compression#semantic-segmentation#object-detection#classification#nlp#bert#transformers#pytorch#tensorflow#onnx#openvino#deep-learning#genai#llm

openvinotoolkit/nncf erreicht einen Gesundheitsindex von 99 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei AI Readiness (76/100). Zuletzt heute aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.

99
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.

99
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 89 wird auf der veröffentlichten Indexskala auf 99 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

OpenVINO™ ToolkitOrganisation
1.836 Follower48 öffentliche Reposseit Sept. 2019

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPInncf3.3.01.333.36234vor 7 Tagenbertclassificationcompressionhawqmixed-precision-trainingmmdetectionnasnlpobject-detectionpruningquantizationquantization-aware-trainingsemantic-segmentationsparsitytransformers

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
35.3/36Commit-Rhythmus — 51/52 Wochen mit Commits
18/18Commit-Volumen — 377 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year377
human_commit_share0,81
days_since_last_push0
active_weeks_last_year51

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 36 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 7 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 66 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count36
latest_release_tagv3.3.0
releases_from_tagsnein
days_since_latest_release7
mean_days_between_releases66

Community & Verbreitung

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

89Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

79Gut
Wie die Bewertung erfolgt
49.9/60Stars — 1.189 Stars
20.6/25Forks — 301 Forks
8.3/15Watcher — 32 Watcher
Verwendete Eingangsdaten
forks301
stars1.189
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 1.333.362 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesnncf
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1.333.362
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?

92Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

82Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
17.5/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 22 % der Commits
13.5/13.5Breite der Beitragenden — 77 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor4
contributors_sampled77
top_contributor_share0,224

Reaktionsfähigkeit bei Issues & PRs

92Exzellent
Wie die Bewertung erfolgt
39.7/42Issue-Lösungsquote — 94 % der Issues geschlossen
26.2/30PR-Annahme — 3.240/3.713 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs3.240
open_issues21
closed_issues360
prs_merged_7d3
prs_decided_7d3
prs_merged_30d17
prs_decided_30d19
issue_closed_ratio0,945
closed_unmerged_prs473
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

97Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
23.5/25Reichweite des Inhabers — 1.836 Follower von openvinotoolkit
24.3/25Kontohistorie — 48 öffentliche Repos, Kontoalter ca. 6 Jahre
Verwendete Eingangsdaten
followers1.836
owner_typeOrganization
is_verified—
owner_loginopenvinotoolkit
public_repos48
account_age_days2.521
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 7 Tagen
20/20Versionshistorie — 34 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesnncf
ecosystemspypi
any_deprecatednein
min_days_since_publish7

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

89Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 25 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
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

Dokumentation

85Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
10/10Topics — 19 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsquantization, pruning, sparsity, quantization-aware-training, mixed-precision-training, compression, semantic-segmentation, object-detection, classification, nlp, bert, transformers, pytorch, tensorflow, onnx, openvino, deep-learning, genai, llm
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?

78Gut · 16 % des Gesamtindex

Sicherheitslage

73Gut
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestspyproject.toml
has_codeql_workflownein
has_security_policyja
has_dependabot_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. 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_packages19
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:nncf@3.3.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 19 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.

76Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/copilot-instructions.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 81 von 81 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_files.github/copilot-instructions.md
agent_instruction_max_bytes2.356

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

68Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
2/10Belegte Agentenpraxis — 1 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 19 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,19

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.3/55Handhabbare Dateigrößen — 10/751 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes109.688
source_files_sampled751
oversized_source_files10

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, notebooks
Verwendete Eingangsdaten
example_dirsexamples, 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

1.189GitHub-Sterne
77Mitwirkende
377Commits, letzte 12 Monate
0Tage seit letztem Push
36Releases
4Bus-Faktor
21offene 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 (2026/08/13 04:57:15 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 301 ⇿
0Sterne
301Forks
36Releases

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.

05010015020025030029172020-052023-072026-08
Major 2Minor 25Patch 8

Jeder Punkt umfasst 6 Tage.

Direkte Abhängigkeiten 12
RegistryPaketVersionsvorgabeManifest
PyPInetworkx>=2.6, <=3.6.1pyproject.toml
PyPIninja>=1.10.0.post2, <1.14pyproject.toml
PyPInumpy>=1.24.0, <2.5.0pyproject.toml
PyPIopenvino-telemetry>=2023.2.0pyproject.toml
PyPIpackaging>=20.0pyproject.toml
PyPIpsutil—pyproject.toml
PyPIpydot>=1.4.1, <=3.0.4pyproject.toml
PyPIrich>=13.5.2pyproject.toml
PyPIsafetensors>=0.4.1pyproject.toml
PyPIscikit-learn>=0.24.0pyproject.toml
PyPIscipy>=1.3.2pyproject.toml
PyPItabulate>=0.9.0pyproject.toml
Alle Abhängigkeiten 104

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 18 direkte und 86 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPInetworkx—direkt
PyPIninja—direkt
PyPInumpy—direkt
PyPInumpy1.26.4direkt
PyPInumpy2.2.6direkt
PyPInumpy2.4.6direkt
PyPIopenvino-telemetry—direkt
PyPIpackaging—direkt
PyPIpsutil—direkt
PyPIpydot—direkt
PyPIrich—direkt
PyPIsafetensors—direkt
PyPIsafetensors0.6.2direkt
PyPIscikit-learn—direkt
PyPIscipy—direkt
PyPIscipy1.18.0direkt
PyPItabulate—direkt
PyPItabulate0.10.0direkt
PyPIaccelerate1.9.0indirekt
PyPIaddict—indirekt
PyPIanomalib0.6.0indirekt
PyPIanomalib2.2.0indirekt
PyPIastroid4.1.2indirekt
PyPIatheris2.3.0indirekt
PyPIdatasets4.6.1indirekt
PyPIdatasets5.0.0indirekt
PyPIefficientnet-pytorch0.7.1indirekt
PyPIexecutorch1.3.1indirekt
PyPIfastcore1.11.5indirekt
PyPIfastdownload0.0.7indirekt
PyPIfastprogress1.0.5indirekt
PyPIfuro2025.12.19indirekt
PyPIgptqmodel5.6.12indirekt
PyPIhuggingface-hub0.36.2indirekt
PyPIipykernel7.1.0indirekt
PyPIipython8.37.0indirekt
PyPIkaleido—indirekt
PyPIkernels0.12.3indirekt
PyPIlibrosa0.10.0indirekt
PyPIlm-eval0.4.12indirekt
PyPImatplotlib3.10.7indirekt
PyPImatplotlib3.10.9indirekt
PyPImdutils—indirekt
PyPImemory-profiler0.61.0indirekt
PyPInbclient0.10.4indirekt
PyPInbformat5.10.4indirekt
PyPIonnx1.21.0indirekt
PyPIonnx1.22.0indirekt
PyPIonnx-ir0.1.15indirekt
PyPIonnxruntime1.23.2indirekt
PyPIonnxruntime1.24.3indirekt
PyPIonnxscript0.5.7indirekt
PyPIonnxscript0.6.2indirekt
PyPIopenvino—indirekt
PyPIopenvino2026.1.0indirekt
PyPIopenvino2026.2.1indirekt
PyPIopenvino2026.3.0indirekt
PyPIopenvino-tokenizers—indirekt
PyPIoptimum2.2.0indirekt
PyPIoptimum-intel—indirekt
PyPIoptimum-intel2.0.0indirekt
PyPIoptimum-onnx—indirekt
PyPIpandas2.3.3indirekt
PyPIpillow—indirekt
PyPIplotly-express—indirekt
PyPIpycocotools—indirekt
PyPIpycocotools2.0.7indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-forked1.6.0indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpytest-ordering0.6indirekt
PyPIpytest-split—indirekt
PyPIpytest-split0.11.0indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpyyaml—indirekt
PyPIrequests2.33.0indirekt
PyPIsentence-transformers5.6.0indirekt
PyPIsetuptools—indirekt
PyPIsetuptools81.0.0indirekt
PyPIsoundfile0.12.1indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-autoapi3.8.0indirekt
PyPItensorboard2.20.0indirekt
PyPItensorflow-io0.37.1indirekt
PyPItimm0.9.2indirekt
PyPItimm1.0.22indirekt
PyPItorch—indirekt
PyPItorch2.10.0indirekt
PyPItorch2.12.0indirekt
PyPItorch2.9.0indirekt
PyPItorchao0.17.0indirekt
PyPItorchmetrics1.0.1indirekt
PyPItorchvision—indirekt
PyPItorchvision0.25.0indirekt
PyPItorchvision0.27.0indirekt
PyPItqdm—indirekt
PyPItransformers4.57.6indirekt
PyPItransformers5.0.0indirekt
PyPIultralytics8.3.221indirekt
PyPIultralytics8.4.21indirekt
PyPIvirtualenv—indirekt
PyPIwhowhatbench—indirekt
PyPIyattag—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:nncf@3.3.0 zieht 19 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 openvinotoolkit/nncf teilen. Nebeneinander lesen →

96vllm-project/llm-compressorTransformers-compatible library for applying various compression algorithms to LLMs for optimized deployment with vLLMAußergewöhnlich98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsAußergewöhnlich97zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Außergewöhnlich96keras-team/keras-hubPretrained model hub for Keras 3.Außergewöhnlich96roboflow/supervisionWe write your reusable computer vision tools. 💜Außergewöhnlich94huggingface/optimum🚀 Accelerate inference and training of 🤗 Transformers, Diffusers, TIMM and Sentence Transformers with easy to use hardware optimization toolsAußergewöhnlich

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

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

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