Öffentliches Register
Software-GesundheitsberichtSchema 0.27.0 · Metriken 2.5.0 · 2026-07-30 14:48 UTC

pytorch / TensorRT

PyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRT

Python · Jupyter Notebook · C++BSD-3-Clause★ 2.984 Sterne⑂ 410 Forksseit März 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#tensorrt#libtorch#machine-learning#pytorch#deep-learning#jetson#nvidia#cuda

pytorch/TensorRT erreicht einen Gesundheitsindex von 92 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Security (21/100). Zuletzt heute aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

92
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.

92
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 78 wird auf der veröffentlichten Indexskala auf 92 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

pytorchOrganisation
13.436 Follower70 öffentliche Reposseit Aug. 2016

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPItorch-tensorrt-rtx2.13.0-5vor 1 Tagpytorchtorchtensorrttrtaiartificial-intelligencemlmachine-learningdldeep-learningcompilerdynamotorchscriptinference
PyPItorch_tensorrt2.13.0-18vor 1 Tagpytorchtorchtensorrttrtaiartificial-intelligencemlmachine-learningdldeep-learningcompilerdynamotorchscriptinference

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

98Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
34.6/36Commit-Rhythmus — 50/52 Wochen mit Commits
18/18Commit-Volumen — 530 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year530
human_commit_share0,99
days_since_last_push0
active_weeks_last_year50

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 28 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 1 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 59,8 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count28
latest_release_tagv2.13.0
releases_from_tagsnein
days_since_latest_release1
mean_days_between_releases59,8

Community & Verbreitung

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

90Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

88Exzellent
Wie die Bewertung erfolgt
56.4/60Stars — 2.984 Stars
21.8/25Forks — 410 Forks
10.1/15Watcher — 66 Watcher
Verwendete Eingangsdaten
forks410
stars2.984
watchers66
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 (BSD-3-Clause)
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?

78Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

58Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
13.5/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 40 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor2
contributors_sampled99
top_contributor_share0,401

Reaktionsfähigkeit bei Issues & PRs

82Exzellent
Wie die Bewertung erfolgt
34.9/42Issue-Lösungsquote — 83 % der Issues geschlossen
24.3/30PR-Annahme — 1.900/2.348 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_prs1.900
open_issues317
closed_issues1.566
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,832
closed_unmerged_prs448
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

80Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
25/25Reichweite des Inhabers — 13.436 Follower von pytorch
25/25Kontohistorie — 70 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers13.436
owner_typeOrganization
is_verified—
owner_loginpytorch
public_repos70
account_age_days3.638

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 2 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 1 Tagen
20/20Versionshistorie — 18 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagestorch-tensorrt-rtx, torch_tensorrt
ecosystemspypi
any_deprecatednein
min_days_since_publish1

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 36 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

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://pytorch.org/TensorRT
10/10Repository-Beschreibung
10/10Topics — 8 Topics
10/10Wiki
Verwendete Eingangsdaten
topicstensorrt, libtorch, machine-learning, pytorch, deep-learning, jetson, nvidia, cuda
has_wikija
homepagehttps://pytorch.org/TensorRT
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

21Gefährdet · 16 % des Gesamtindex

Sicherheitslage

1Kritisch
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilespackage-lock.json, uv.lock
manifestsdocsrc/requirements.txt, py/requirements.txt, pyproject.toml, requirements-dev.txt, setup.py
has_codeql_workflownein
has_security_policynein
has_dependabot_confignein
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_packages11
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:torch-tensorrt-rtx@2.13.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 11 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.

68Gut · 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 — 95 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
legible_history_share0,96
agent_instruction_files—
agent_instruction_max_bytes—

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

96Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docsrc/Makefile, examples/int8/ptq/Makefile, examples/int8/qat/Makefile, examples/torchtrt_aoti_example/Makefile, examples/torchtrt_runtime_example/Makefile, justfile, noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — .github/actions/assigner/tsconfig.json
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
6/10Belegte Agentenpraxis — 3 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 1 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespackage-lock.json, uv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesdocsrc/Makefile, examples/int8/ptq/Makefile, examples/int8/qat/Makefile, examples/torchtrt_aoti_example/Makefile, examples/torchtrt_runtime_example/Makefile, justfile, noxfile.py
has_devcontainernein
has_linter_configja
typecheck_configs.github/actions/assigner/tsconfig.json
agent_commit_share0,03
toolchain_manifests—
dependency_bot_commit_share0,01

AI-Code-Lesbarkeit für Modelle

77Gut
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (.github/actions/assigner/tsconfig.json)
49.7/55Handhabbare Dateigrößen — 386/4.006 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes555.307
source_files_sampled4.006
oversized_source_files386

Maschinenlesbare AI-Schnittstellen

40Schwach
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
0/20MCP-Server
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_files—

Eckdaten

2.984GitHub-Sterne
99Mitwirkende
530Commits, letzte 12 Monate
0Tage seit letztem Push
28Releases
2Bus-Faktor
317offene 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 (2026/07/30 14:46:54 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 ★ / 410 ⇿
0Sterne
410Forks
27Releases

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.

010020030040050040382020-032023-052026-07
Major 1Minor 19Patch 7

Jeder Punkt umfasst 6 Tage.

Alle Abhängigkeiten 295

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 295 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
npm@actions/core1.9.1indirekt
npm@actions/github6.0.0indirekt
npm@actions/http-client2.2.3indirekt
npm@fastify/busboy2.1.1indirekt
npm@octokit/auth-token4.0.0indirekt
npm@octokit/core5.2.0indirekt
npm@octokit/endpoint9.0.6indirekt
npm@octokit/graphql7.1.0indirekt
npm@octokit/openapi-types20.0.0indirekt
npm@octokit/openapi-types23.0.1indirekt
npm@octokit/plugin-paginate-rest9.2.2indirekt
npm@octokit/plugin-rest-endpoint-methods10.4.1indirekt
npm@octokit/request8.4.1indirekt
npm@octokit/request-error5.1.1indirekt
npm@octokit/types12.6.0indirekt
npm@octokit/types13.8.0indirekt
npm@types/node17.0.35indirekt
npm@vercel/ncc0.33.4indirekt
npmargparse2.0.1indirekt
npmbefore-after-hook2.2.3indirekt
npmdeprecation2.3.1indirekt
npmfs0.0.1-securityindirekt
npmjs-yaml4.1.1indirekt
npmonce1.4.0indirekt
npmprettier2.6.2indirekt
npmtunnel0.0.6indirekt
npmtypescript4.6.4indirekt
npmundici5.29.0indirekt
npmuniversal-user-agent6.0.1indirekt
npmuuid8.3.2indirekt
npmwrappy1.0.2indirekt
PyPIaccelerate1.13.0indirekt
PyPIaccessible-pygments0.0.5indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.13.5indirekt
PyPIaiosignal1.4.0indirekt
PyPIalabaster0.7.16indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.13.0indirekt
PyPIapache-tvm-ffi0.1.10indirekt
PyPIargparse—indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackports-strenum1.3.1indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIblack—indirekt
PyPIblack26.3.1indirekt
PyPIbleach6.3.0indirekt
PyPIbreathe4.36.0indirekt
PyPIcattrs26.1.0indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIclang-format14.0.6indirekt
PyPIclick8.3.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcoremltools9.0indirekt
PyPIcuda-bindings13.2.0indirekt
PyPIcuda-core1.0.1indirekt
PyPIcuda-pathfinder1.5.3indirekt
PyPIcuda-python13.2.0indirekt
PyPIcuda-tile1.3.0indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIcupy13.1.0indirekt
PyPIdatasets5.0.0indirekt
PyPIdeepspeed0.18.9indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdiffusers0.30.3indirekt
PyPIdiffusers0.34.0indirekt
PyPIdiffusers0.37.1indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdllist—indirekt
PyPIdllist2.0.0indirekt
PyPIdocutils0.20indirekt
PyPIeinops0.8.2indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecnet2.1.2indirekt
PyPIexecutorch1.3.1indirekt
PyPIexhale0.3.7indirekt
PyPIexpecttest—indirekt
PyPIexpecttest0.1.6indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock—indirekt
PyPIfilelock3.29.0indirekt
PyPIflashinfer-python0.3.1.post1indirekt
PyPIflashinfer-python0.6.8.post1indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.3.0indirekt
PyPIgraphviz0.21indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.4.3indirekt
PyPIhjson3.1.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub—indirekt
PyPIhuggingface-hub1.11.0indirekt
PyPIhydra-core1.4.0.dev1indirekt
PyPIhypothesis6.155.1indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.11indirekt
PyPIimagesize2.0.0indirekt
PyPIimportlib-metadata9.0.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIisort—indirekt
PyPIisort8.0.1indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIkgb7.3indirekt
PyPIlibrt0.9.0indirekt
PyPIlxml6.1.0indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.2indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib—indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.2.0indirekt
PyPImonai1.5.2rc1indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.1.2indirekt
PyPImultidict6.7.1indirekt
PyPImultiprocess0.70.19indirekt
PyPImypy—indirekt
PyPImypy1.20.1indirekt
PyPImypy-extensions1.1.0indirekt
PyPInbclient0.10.4indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInbsphinx0.9.3indirekt
PyPInetworkx—indirekt
PyPInetworkx2.8.8indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPIninja1.13.0indirekt
PyPInltk3.9.4indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy—indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.4indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.23.1.3indirekt
PyPInvidia-cudnn-frontend1.22.1indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-cutlass-dsl4.4.2indirekt
PyPInvidia-cutlass-dsl-libs-base4.4.2indirekt
PyPInvidia-ml-py13.595.45indirekt
PyPInvidia-modelopt—indirekt
PyPInvidia-modelopt0.45.0indirekt
PyPInvidia-nccl-cu132.30.7indirekt
PyPInvidia-nvjitlink13.0.88indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPInvidia-pyindex—indirekt
PyPIomegaconf2.4.0.dev10indirekt
PyPIonnx—indirekt
PyPIopencv-python—indirekt
PyPIpackaging—indirekt
PyPIpackaging26.1indirekt
PyPIpandas—indirekt
PyPIpandas2.3.3indirekt
PyPIpandas3.0.2indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparameterized—indirekt
PyPIparameterized0.9.0indirekt
PyPIpathspec1.0.4indirekt
PyPIpeft0.19.1indirekt
PyPIpillow—indirekt
PyPIpillow12.2.0indirekt
PyPIplatformdirs4.9.6indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit—indirekt
PyPIpre-commit4.5.1indirekt
PyPIpropcache0.4.1indirekt
PyPIprotobuf3.20.*indirekt
PyPIprotobuf7.35.0indirekt
PyPIpsutil7.2.2indirekt
PyPIpulp3.3.0indirekt
PyPIpy1.11.0indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpyaml26.2.1indirekt
PyPIpyarrow23.0.1indirekt
PyPIpybind112.6.2indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.13.3indirekt
PyPIpydantic-core2.46.3indirekt
PyPIpydata-sphinx-theme0.15.4indirekt
PyPIpydot4.0.1indirekt
PyPIpygithub—indirekt
PyPIpygments2.20.0indirekt
PyPIpynvml13.0.1indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest—indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-forked1.6.0indirekt
PyPIpytest-github-actions-annotate-failures0.4.2indirekt
PyPIpytest-rerunfailures16.4indirekt
PyPIpytest-xdist—indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.2.2indirekt
PyPIpytokens0.4.1indirekt
PyPIpytorch-sphinx-theme20.4.4indirekt
PyPIpytorch-tokenizers1.3.0indirekt
PyPIpytz2026.1.post1indirekt
PyPIpyyaml—indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.4.4indirekt
PyPIrequests2.33.1indirekt
PyPIrich15.0.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIruamel-yaml0.19.1indirekt
PyPIruff—indirekt
PyPIruff0.15.11indirekt
PyPIsafetensors0.7.0indirekt
PyPIscikit-learn1.7.1indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.17.1indirekt
PyPIsentencepiece0.2.1indirekt
PyPIsetuptools—indirekt
PyPIsetuptools78.1.1indirekt
PyPIsetuptools81.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.0.1indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.8.3indirekt
PyPIsphinx7.2.6indirekt
PyPIsphinx-gallery0.13.0indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.10.0indirekt
PyPItensorboard—indirekt
PyPItensorrt11.1.0.106indirekt
PyPItensorrt-cu1311.1.0.106indirekt
PyPItensorrt-cu13-bindings11.1.0.106indirekt
PyPItensorrt-cu13-libs11.1.0.106indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItiktoken0.13.0indirekt
PyPItimm—indirekt
PyPItimm0.9.12indirekt
PyPItimm0.9.8indirekt
PyPItimm1.0.26indirekt
PyPItinycss21.4.0indirekt
PyPItokenizers0.22.2indirekt
PyPItomli2.4.1indirekt
PyPItorch—indirekt
PyPItorch2.14.0.dev20260625+cu130indirekt
PyPItorchao0.17.0indirekt
PyPItorchao0.18.0.dev20260601+cu130indirekt
PyPItorchvision—indirekt
PyPItorchvision0.29.0.dev20260626+cu130indirekt
PyPItornado6.5.5indirekt
PyPItqdm—indirekt
PyPItqdm4.67.3indirekt
PyPItraitlets5.14.3indirekt
PyPItransformers—indirekt
PyPItransformers5.5.4indirekt
PyPItriton2.3.0indirekt
PyPItriton3.7.1+gitf797708cindirekt
PyPItyper0.24.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItypos1.45.1indirekt
PyPItzdata2026.1indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.2.4indirekt
PyPIwebencodings0.5.1indirekt
PyPIwonderwords3.0.1indirekt
PyPIxxhash3.6.0indirekt
PyPIyarl1.23.0indirekt
PyPIzipp3.23.1indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:torch-tensorrt-rtx@2.13.0 zieht 11 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

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit pytorch/TensorRT teilen. Nebeneinander lesen →

100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich97ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingAußergewöhnlich98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsAußergewöhnlich96Lightning-AI/pytorch-lightningPretrain, finetune ANY AI model of ANY size on 1 or 10,000+ GPUs with zero code changes.Außergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich98huggingface/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. Außergewöhnlich

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

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.5.0, Schema v0.27.0 — vollständige Methodik · Metriken-Wiki.

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