Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-05 22:25 UTC

pytorch / rl

A modular, primitive-first, python-first PyTorch library for Reinforcement Learning.

PythonMIT★ 3.548 Sterne⑂ 480 Forksseit Feb. 2022Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugPluginBibliothekwie das ermittelt wird
#ai#control#decision-making#distributed-computing#machine-learning#marl#model-based-reinforcement-learning#multi-agent-reinforcement-learning#pytorch#reinforcement-learning#rl#robotics#torch

pytorch/rl erreicht einen Gesundheitsindex von 91 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (97/100) ab, am schwächsten bei Security (21/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt 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

pytorchOrganisation · verifizierte Domain
13.606 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
PyPItorchrl0.13.384.78134vor 53 Tagenreinforcement-learningpytorchrlmachine-learning

Metriken nach Kategorie

Vitalität

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

97Außergewöhnlich · 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 — 786 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year786
human_commit_share0,96
days_since_last_push0
active_weeks_last_year45

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 35 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 53 Tagen
27/27Release-Rhythmus — ein Release etwa alle 40,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count35
latest_release_tagv0.13.3
releases_from_tagsnein
days_since_latest_release53
mean_days_between_releases40,2

Community & Verbreitung

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

88Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

89Exzellent
Wie die Bewertung erfolgt
57.6/60Stars — 3.548 Stars
22.3/25Forks — 480 Forks
9.1/15Watcher — 44 Watcher
Verwendete Eingangsdaten
forks480
stars3.548
watchers44
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 (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges12
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

82Exzellent
Wie die Bewertung erfolgt
65.7/80Downloads pro Monat — 84.781 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagestorchrl
dependents—
ecosystemspypi
total_downloads—
monthly_downloads84.781
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?

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

34Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
8.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 63 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor1
contributors_sampled99
top_contributor_share0,627

Reaktionsfähigkeit bei Issues & PRs

85Exzellent
Wie die Bewertung erfolgt
32.6/42Issue-Lösungsquote — 78 % der Issues geschlossen
26.6/30PR-Annahme — 2.862/3.229 entschiedene PRs gemergt
13/13Newcomer PR acceptance — 9/9 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs2.862
open_issues191
closed_issues666
prs_merged_7d37
prs_decided_7d40
prs_merged_30d54
prs_decided_30d58
issue_closed_ratio0,777
closed_unmerged_prs367
first_time_authors_30d2
first_time_prs_merged_30d9
first_time_prs_decided_30d9

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
25/25Reichweite des Inhabers — 13.606 Follower von pytorch
25/25Kontohistorie — 70 öffentliche Repos, Kontoalter ca. 10 Jahre
Verwendete Eingangsdaten
followers13.606
owner_typeOrganization
is_verifiedja
owner_loginpytorch
public_repos70
account_age_days3.675

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 53 Tagen
20/20Versionshistorie — 34 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagestorchrl
ecosystemspypi
any_deprecatednein
min_days_since_publish53

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 30 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — setup.cfg ([flake8])
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

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://pytorch.org/rl
10/10Repository-Beschreibung
10/10Topics — 13 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsai, control, decision-making, distributed-computing, machine-learning, marl, model-based-reinforcement-learning, multi-agent-reinforcement-learning, pytorch, reinforcement-learning, rl, robotics, torch
has_wikinein
homepagehttps://pytorch.org/rl
docs_sitehttps://pytorch.org/rl
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
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsbenchmarks/requirements.txt, docs/requirements.txt, pyproject.toml, setup.cfg, setup.py
has_codeql_workflownein
has_security_policynein
has_dependabot_confignein

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_packages37
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:torchrl@0.13.3 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 37 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.

92Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://pytorch.org/llms.txt)
40/40Lesbare Commit-Historie — 86 von 96 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share0,896
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes13.220

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

89Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — setup.cfg ([flake8])
11/11Statische Typprüfung — mypy.ini
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 20 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 4 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, docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configsmypy.ini
agent_commit_share0,2
toolchain_manifests—
dependency_bot_commit_share0,04

AI-Code-Lesbarkeit für Modelle

78Gut
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (mypy.ini)
50.5/55Handhabbare Dateigrößen — 71/869 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes321.561
source_files_sampled869
oversized_source_files71

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, recipes
Verwendete Eingangsdaten
example_dirsexamples, recipes
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

3.548GitHub-Sterne
99Mitwirkende
786Commits, letzte 12 Monate
0Tage seit letztem Push
35Releases
1Bus-Faktor
191offene 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 (killed by SIGKILL — most likely the container's memory limit; 2026/09/05 22:23:49 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 ★ / 480 ⇿
0Sterne
480Forks
35Releases

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.

0100200300400500476102022-042024-062026-09
Major 0Minor 13Patch 17

Jeder Punkt umfasst 5 Tage.

Direkte Abhängigkeiten 7
RegistryPaketVersionsvorgabeManifest
PyPItorch>=2.1.0pyproject.toml
PyPIpyvers>=0.2.3pyproject.toml
PyPIhoptorch>=0.1.4pyproject.toml
PyPInumpy—pyproject.toml
PyPIpackaging—pyproject.toml
PyPIcloudpickle—pyproject.toml
PyPItensordict>=0.14.1,<0.15.0pyproject.toml
Alle Abhängigkeiten 224

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 15 direkte und 209 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcloudpickle—direkt
PyPIcloudpickle3.1.2direkt
PyPIhoptorch—direkt
PyPIhoptorch0.1.4direkt
PyPInumpy—direkt
PyPInumpy2.2.6direkt
PyPIpackaging—direkt
PyPIpackaging26.2direkt
PyPIpyvers—direkt
PyPIpyvers0.2.3direkt
PyPItensordict—direkt
PyPItensordict0.9.0direkt
PyPItorch—direkt
PyPItorch2.12.0direkt
PyPItorch2.14.0.dev20260713+cu126direkt
PyPIabsl-py2.5.0indirekt
PyPIaccelerate—indirekt
PyPIaccelerate1.14.0indirekt
PyPIaccelerate1.7.0indirekt
PyPIale-py—indirekt
PyPIale-py0.8.1indirekt
PyPIannotated-doc0.0.4indirekt
PyPIanyio4.14.2indirekt
PyPIattrs26.1.0indirekt
PyPIautorom0.4.2indirekt
PyPIautorom-accept-rom-license0.6.1indirekt
PyPIbitsandbytes—indirekt
PyPIbitsandbytes0.46.0indirekt
PyPIcertifi2026.6.17indirekt
PyPIcharset-normalizer3.4.9indirekt
PyPIclick8.4.2indirekt
PyPIcmake—indirekt
PyPIcmake4.4.0indirekt
PyPIcontourpy1.3.2indirekt
PyPIcoverage—indirekt
PyPIcuda-bindings12.9.7indirekt
PyPIcuda-pathfinder1.5.6indirekt
PyPIcuda-toolkit12.6.3indirekt
PyPIcycler0.12.1indirekt
PyPIdatasets—indirekt
PyPIdatasets3.6.0indirekt
PyPIdm-control—indirekt
PyPIdm-control1.0.41indirekt
PyPIdm-env1.6indirekt
PyPIdm-tree0.1.10indirekt
PyPIdocutils—indirekt
PyPIetils1.13.0indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexpecttest—indirekt
PyPIfilelock3.29.7indirekt
PyPIfonttools4.63.0indirekt
PyPIfsspec2026.6.0indirekt
PyPIfuture—indirekt
PyPIglfw2.10.0indirekt
PyPIgym0.26.2indirekt
PyPIgym-notices0.1.0indirekt
PyPIgymnasium—indirekt
PyPIgymnasium-robotics—indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.5.1indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub1.23.0indirekt
PyPIhydra-core—indirekt
PyPIhydra-core1.3.4indirekt
PyPIhydra-submitit-launcher—indirekt
PyPIhypothesis—indirekt
PyPIidna3.18indirekt
PyPIimageio—indirekt
PyPIimmutabledict—indirekt
PyPIimmutabledict4.2.1indirekt
PyPIimportlib-metadata9.0.0indirekt
PyPIimportlib-resources7.1.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIipython—indirekt
PyPIjax—indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlabmaze1.0.6indirekt
PyPIlangdetect—indirekt
PyPIlangdetect1.0.9indirekt
PyPIlerobot—indirekt
PyPIlxml6.1.1indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.2indirekt
PyPImatplotlib—indirekt
PyPImatplotlib3.10.9indirekt
PyPImdurl0.1.2indirekt
PyPImemory-profiler—indirekt
PyPIminari—indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.1indirekt
PyPImujoco—indirekt
PyPImujoco3.8.1indirekt
PyPImujoco-torch—indirekt
PyPImyst-parser—indirekt
PyPInetworkx3.4.2indirekt
PyPIninja—indirekt
PyPIninja1.13.0indirekt
PyPInltk—indirekt
PyPInltk3.10.3indirekt
PyPInvidia-cublas-cu1212.6.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.6.80indirekt
PyPInvidia-cuda-nvrtc-cu1212.6.85indirekt
PyPInvidia-cuda-runtime-cu1212.6.77indirekt
PyPInvidia-cudnn-cu129.10.2.21indirekt
PyPInvidia-cufft-cu1211.3.0.4indirekt
PyPInvidia-cufile-cu121.11.1.6indirekt
PyPInvidia-curand-cu1210.3.7.77indirekt
PyPInvidia-cusolver-cu1211.7.1.2indirekt
PyPInvidia-cusparse-cu1212.5.4.2indirekt
PyPInvidia-cusparselt-cu120.7.1indirekt
PyPInvidia-nccl-cu122.29.3indirekt
PyPInvidia-nvjitlink-cu1212.9.86indirekt
PyPInvidia-nvshmem-cu123.4.5indirekt
PyPInvidia-nvtx-cu1212.6.77indirekt
PyPIomegaconf—indirekt
PyPIonnx—indirekt
PyPIonnxruntime—indirekt
PyPIonnxscript—indirekt
PyPIopen-spiel—indirekt
PyPIopencv-python-headless—indirekt
PyPIorjson3.11.9indirekt
PyPIpandas—indirekt
PyPIpandas2.3.3indirekt
PyPIpeft—indirekt
PyPIpeft0.15.2indirekt
PyPIpettingzoo—indirekt
PyPIpillow—indirekt
PyPIpillow12.3.0indirekt
PyPIplaywright—indirekt
PyPIpluggy1.6.0indirekt
PyPIprocgen—indirekt
PyPIprotobuf—indirekt
PyPIprotobuf7.35.1indirekt
PyPIpsutil—indirekt
PyPIpsutil7.2.2indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpybind11—indirekt
PyPIpybind113.0.4indirekt
PyPIpybind11-global3.0.4indirekt
PyPIpygame—indirekt
PyPIpyglet—indirekt
PyPIpygments2.20.0indirekt
PyPIpyopengl3.1.10indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest—indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-asyncio—indirekt
PyPIpytest-benchmark—indirekt
PyPIpytest-benchmark5.2.3indirekt
PyPIpytest-cov—indirekt
PyPIpytest-error-for-skips—indirekt
PyPIpytest-instafail—indirekt
PyPIpytest-mock—indirekt
PyPIpytest-rerunfailures—indirekt
PyPIpytest-timeout—indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpytest-xdist—indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytorch-sphinx-theme2—indirekt
PyPIpytz2026.2indirekt
PyPIpyyaml—indirekt
PyPIpyyaml6.0.3indirekt
PyPIray—indirekt
PyPIray2.56.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.7.10indirekt
PyPIrequests—indirekt
PyPIrequests2.34.2indirekt
PyPIrich15.0.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIsafetensors—indirekt
PyPIsafetensors0.8.0indirekt
PyPIsafety-gymnasium—indirekt
PyPIscipy—indirekt
PyPIscipy1.15.3indirekt
PyPIsentencepiece—indirekt
PyPIsetuptools—indirekt
PyPIsetuptools83.0.0indirekt
PyPIsetuptools-scm10.2.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsphinx—indirekt
PyPIsphinx-autodoc-typehints—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-design—indirekt
PyPIsphinx-gallery—indirekt
PyPIsphinx-serve1.0.1indirekt
PyPIsphinxcontrib-htmlhelp—indirekt
PyPIsphinxcontrib-video—indirekt
PyPIsympy1.14.0indirekt
PyPItenacity—indirekt
PyPItenacity9.1.4indirekt
PyPItiktoken—indirekt
PyPItokenizers0.23.0rc0indirekt
PyPItomli2.4.1indirekt
PyPItorchcodec—indirekt
PyPItorchvision—indirekt
PyPItorchvision0.29.0.dev20260714+cu126indirekt
PyPItqdm—indirekt
PyPItqdm4.67.1indirekt
PyPItqdm4.68.4indirekt
PyPItransformers—indirekt
PyPItransformers5.10.1indirekt
PyPItransformers5.13.1indirekt
PyPItriton3.8.0+git43422b04indirekt
PyPItyper0.26.8indirekt
PyPItyping-extensions—indirekt
PyPItyping-extensions4.16.0indirekt
PyPItzdata2026.3indirekt
PyPIurllib32.7.0indirekt
PyPIvcs-versioning2.2.2indirekt
PyPIvllm—indirekt
PyPIvllm0.26.0indirekt
PyPIvmas—indirekt
PyPIwandb—indirekt
PyPIwandb0.19.11indirekt
PyPIwrapt2.2.2indirekt
PyPIxformers—indirekt
PyPIxformers0.0.30indirekt
PyPIzipp4.1.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:torchrl@0.13.3 zieht 37 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 pytorch/rl teilen. Nebeneinander lesen →

100wandb/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 interoperabilityAußergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich98replicate/cogContainers for machine learningAußergewöhnlich98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingAußergewöhnlich98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMakerAußergewöhnlich

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.