Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-21 17:40 UTC

qualcomm / ai-hub-models

Qualcomm® AI Hub Models is our collection of state-of-the-art machine learning models optimized for performance (latency, memory etc.) and ready to deploy on Qualcomm® devices.

PythonBSD-3-Clause★ 1.233 Sterne⑂ 214 Forksseit Dez. 2023Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#deeplearning#demos#inference#inference-api#inference-engine#machine-learning#machinelearning#onnx#pytorch#qnn#tensorflow-lite

qualcomm/ai-hub-models erreicht einen Gesundheitsindex von 89 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Security (40/100). Zuletzt heute aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

89
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.

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

Eigentümerschaft

Qualcomm Technologies, Inc.Organisation
1.010 Follower163 öffentliche Reposseit Sept. 2019

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIqai_hub_models_cli0.65.06.73225vor 0 Tagen
PyPIqai_hub_modelsverweist auf ein anderes Repo — nicht bewertet0.65.05.662122vor 0 Tagen

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

93Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
29.8/36Commit-Rhythmus — 43/52 Wochen mit Commits
18/18Commit-Volumen — 1.330 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year1.330
human_commit_share0,98
days_since_last_push0
active_weeks_last_year43

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 80 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 14 Tagen
27/27Release-Rhythmus — ein Release etwa alle 10,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count80
latest_release_tagv0.64.0
releases_from_tagsnein
days_since_latest_release14
mean_days_between_releases10,7

Community & Verbreitung

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

79Gut · 17 % des Gesamtindex

Popularität & Verbreitung

78Gut
Wie die Bewertung erfolgt
50.1/60Stars — 1.233 Stars
19.4/25Forks — 214 Forks
8/15Watcher — 29 Watcher
Verwendete Eingangsdaten
forks214
stars1.233
watchers29
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_badges4
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

64Mittel
Wie die Bewertung erfolgt
51/80Downloads pro Monat — 6.732 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesqai_hub_models_cli
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6.732
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?

71Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

61Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
16.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 28 % der Commits
13.5/13.5Breite der Beitragenden — 29 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor2
contributors_sampled29
top_contributor_share0,285

Reaktionsfähigkeit bei Issues & PRs

53Mittel
Wie die Bewertung erfolgt
41.3/42Issue-Lösungsquote — 98 % der Issues geschlossen
3.8/30PR-Annahme — 6/47 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/11 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs6
open_issues5
closed_issues294
prs_merged_7d0
prs_decided_7d10
prs_merged_30d0
prs_decided_30d11
issue_closed_ratio0,983
closed_unmerged_prs41
first_time_authors_30d4
first_time_prs_merged_30d0
first_time_prs_decided_30d11

Eigentümerschaft & Trägerschaft

77Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
21.6/25Reichweite des Inhabers — 1.010 Follower von qualcomm
25/25Kontohistorie — 163 öffentliche Repos, Kontoalter ca. 7 Jahre
Verwendete Eingangsdaten
followers1.010
owner_typeOrganization
is_verifiednein
owner_loginqualcomm
public_repos163
account_age_days2.594

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 25 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesqai_hub_models_cli
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

81Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 40 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — ruff.toml
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

65Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://aihub.qualcomm.com/models
10/10Repository-Beschreibung
10/10Topics — 11 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsdeeplearning, demos, inference, inference-api, inference-engine, machine-learning, machinelearning, onnx, pytorch, qnn, tensorflow-lite
has_wikinein
homepagehttps://aihub.qualcomm.com/models
docs_sitehttps://aihub.qualcomm.com/models
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

40Schwach · 16 % des Gesamtindex

Sicherheitslage

25Gefährdet
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestscli/pyproject.toml, src/pyproject.toml, src/setup.py
has_codeql_workflownein
has_security_policynein
has_dependabot_configja

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories610
affected_packages39
assessed_packages229
unassessed_packages57
affected_by_severitycritical 16, high 20, moderate 3
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories, Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. 229 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. 57 konnten nicht bewertet werden — keine aufgelöste Version, ein nicht unterstütztes Ökosystem oder außerhalb der ausgewiesenen Paketliste. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

72Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 98 von 98 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes14.150

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

57Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — ruff.toml
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 48 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
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,48
toolchain_manifests—
dependency_bot_commit_share0,01

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.9/55Handhabbare Dateigrößen — 10/3.710 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes159.821
source_files_sampled3.710
oversized_source_files10

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — proto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_filesproto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

1.233GitHub-Sterne
29Mitwirkende
1.330Commits, letzte 12 Monate
0Tage seit letztem Push
80Releases
2Bus-Faktor
5offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'qai_hub_models' points at a different repository (https://github.com/quic/ai-hub-models); excluded from ecosystem scoring
  • deps.dev does not index pypi:qai_hub_models_cli@0.65.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/10/21 17:39:39 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 ★ / 214 ⇿
0Sterne
214Forks
80Releases

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.

0408012016020024021352024-012025-062026-10
Major 0Minor 41Patch 37

Jeder Punkt umfasst 3 Tage.

Direkte Abhängigkeiten 7
RegistryPaketVersionsvorgabeManifest
PyPIfilelock>=3.16.1,<=3.29.0cli/pyproject.toml
PyPIpackaging>=24.2,<=26.2.0cli/pyproject.toml
PyPIplatformdirs>=4.0,<=4.9.6cli/pyproject.toml
PyPIprettytable>=3.10,<=3.16.0cli/pyproject.toml
PyPIprotobuf>=4.25.9,<=7.34.1cli/pyproject.toml
PyPIrequests>=2.25,<=2.33.1cli/pyproject.toml
PyPItqdm>=4.66,<=4.67.3cli/pyproject.toml
Alle Abhängigkeiten 286

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 12 direkte und 274 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIfilelock—direkt
PyPIpackaging—direkt
PyPIpackaging21.3direkt
PyPIpackaging26.0direkt
PyPIplatformdirs—direkt
PyPIprettytable—direkt
PyPIprettytable3.11.0direkt
PyPIprettytable3.17.0direkt
PyPIprotobuf—direkt
PyPIrequests—direkt
PyPIrequests2.33.1direkt
PyPItqdm—direkt
PyPIaccelerate—indirekt
PyPIaccelerate1.12.0indirekt
PyPIaccelerate1.2.1indirekt
PyPIadbutils—indirekt
PyPIaddict2.4.0indirekt
PyPIaimet-onnx—indirekt
PyPIaimet-onnx2.28.0indirekt
PyPIaimet-onnx2.33.0indirekt
PyPIaimet-onnx2.34.0indirekt
PyPIaimet-onnx2.35.0indirekt
PyPIaimet-onnx2.37.0indirekt
PyPIaimet-onnx2.38.0indirekt
PyPIaimet-onnx2.41indirekt
PyPIaioboto312.3.0indirekt
PyPIaiofiles24.1.0indirekt
PyPIaiofiles25.1.0indirekt
PyPIaiohttp3.13.3indirekt
PyPIalbumentations1.4.18indirekt
PyPIanyascii0.3.2indirekt
PyPIappium-python-client2.7.0indirekt
PyPIappium-python-client5.2.4indirekt
PyPIasteroid-filterbanks0.4.0indirekt
PyPIasync-generator1.10indirekt
PyPIattrs22.1.0indirekt
PyPIaudio2numpy0.1.2indirekt
PyPIav12.3.0indirekt
PyPIav14.0.1indirekt
PyPIboto3—indirekt
PyPIboto3-stubs—indirekt
PyPIboto3-stubs1.36.9indirekt
PyPIbotocore—indirekt
PyPIbuild—indirekt
PyPIcached-path1.8.10indirekt
PyPIcachetools6.2.1indirekt
PyPIcertifi2022.9.24indirekt
PyPIcffi1.15.1indirekt
PyPIcloudpickle3.1.1indirekt
PyPIcn2an0.5.22indirekt
PyPIcolorama0.4.5indirekt
PyPIcoverage—indirekt
PyPIdatasets4.1.1indirekt
PyPIdecord0.6.0indirekt
PyPIdiffusers0.30.2indirekt
PyPIdiffusers0.35.2indirekt
PyPIdm-env1.6indirekt
PyPIdm-tree0.1.8indirekt
PyPIeasydict1.13indirekt
PyPIeasyocr1.7.2indirekt
PyPIefficientnet-pytorch0.7.1indirekt
PyPIeinops—indirekt
PyPIeinops0.3.2indirekt
PyPIeinops0.8.1indirekt
PyPIeinops0.8.2indirekt
PyPIeng-to-ipa0.0.2indirekt
PyPIexceptiongroup1.0.0rc9indirekt
PyPIffmpeg1.4indirekt
PyPIflash-linear-attention—indirekt
PyPIfugashi1.5.2indirekt
PyPIfunasr1.3.12indirekt
PyPIfvcore0.1.5.post20210825indirekt
PyPIfvcore0.1.5.post20221221indirekt
PyPIg2p-en2.1.0indirekt
PyPIg2pkk—indirekt
PyPIgdown4.7.1indirekt
PyPIgeffnet1.0.2indirekt
PyPIgeopandas1.1.0indirekt
PyPIgitpython3.1.42indirekt
PyPIgitpython3.1.49indirekt
PyPIgoogle-cloud-storage—indirekt
PyPIgradio6.14.0indirekt
PyPIgrpcio-tools1.62.3indirekt
PyPIgruut2.4.0indirekt
PyPIgymnasium1.0.0indirekt
PyPIh110.14.0indirekt
PyPIh5py3.12.1indirekt
PyPIhdf5storage0.2.2indirekt
PyPIhttpx—indirekt
PyPIhuggingface-hub—indirekt
PyPIhuggingface-hub0.36.2indirekt
PyPIhydra-core—indirekt
PyPIhydra-core1.3.2indirekt
PyPIidna3.4indirekt
PyPIimageio2.34.2indirekt
PyPIimageio2.37.2indirekt
PyPIimgaug0.4.0indirekt
PyPIinflect7.0.0indirekt
PyPIiniconfig1.1.1indirekt
PyPIinputimeout—indirekt
PyPIipython8.12.3indirekt
PyPIjamo0.4.1indirekt
PyPIjieba0.42.1indirekt
PyPIjinja2—indirekt
PyPIjiwer—indirekt
PyPIjiwer3.0.3indirekt
PyPIjunitparser3.2.0indirekt
PyPIkornia0.5.0indirekt
PyPIkornia0.7.4indirekt
PyPIlangid1.1.6indirekt
PyPIlerobot0.4.1indirekt
PyPIlevenshtein—indirekt
PyPIlibrosa0.10.1indirekt
PyPIlibrosa0.11.0indirekt
PyPIllvmlite—indirekt
PyPIlmdb2.1.1indirekt
PyPIloguru—indirekt
PyPIlxml6.0.2indirekt
PyPIlyft-dataset-sdk0.0.8indirekt
PyPImatplotlib3.10.7indirekt
PyPImecab-python31.0.12indirekt
PyPImmcv1.7.0indirekt
PyPImmcv-lite2.1.0indirekt
PyPImmdet2.27.0indirekt
PyPImmdet3.3.0indirekt
PyPImmengine0.10.7indirekt
PyPImmsegmentation0.30.0indirekt
PyPImujoco3.4.0indirekt
PyPImypy1.19.1indirekt
PyPImypy-protobuf3.6.0indirekt
PyPInltk3.9.2indirekt
PyPInum2words0.5.12indirekt
PyPInumba—indirekt
PyPInumba0.59.1indirekt
PyPInumba0.62.1indirekt
PyPInumpy—indirekt
PyPInumpy1.26.4indirekt
PyPInumpydantic1.6.7indirekt
PyPInumpydoc1.9.0indirekt
PyPInuscenes-devkit1.2.0indirekt
PyPIobject-detection-metrics0.4.post1indirekt
PyPIomegaconf—indirekt
PyPIomegaconf2.3.0indirekt
PyPIonnx—indirekt
PyPIonnx1.17.0indirekt
PyPIonnx1.18.0indirekt
PyPIonnx-ir0.2.1indirekt
PyPIonnxruntime—indirekt
PyPIonnxruntime1.22indirekt
PyPIonnxruntime1.22.1indirekt
PyPIonnxscript0.7.0indirekt
PyPIonnxsim0.5.0indirekt
PyPIonnxsim0.6.5indirekt
PyPIonnxsim-prebuilt0.4.36.post1indirekt
PyPIonnxsim-prebuilt0.4.39.post2indirekt
PyPIopencv-python—indirekt
PyPIoutcome1.2.0indirekt
PyPIpandas—indirekt
PyPIpeft0.14.0indirekt
PyPIpeft0.19.1indirekt
PyPIpillow—indirekt
PyPIpipablepytorch3d0.7.6indirekt
PyPIpiper-phonemize1.1.0indirekt
PyPIpiper-phonemize-cross1.2.1indirekt
PyPIpluggy1.0.0indirekt
PyPIplyfile—indirekt
PyPIpre-commit4.0.1indirekt
PyPIpsutil—indirekt
PyPIpsutil6.1.1indirekt
PyPIpy1.11.0indirekt
PyPIpyannote-audio3.3.2indirekt
PyPIpyarrow21.0.0indirekt
PyPIpyaudio0.2.14indirekt
PyPIpycocotools2.0.11indirekt
PyPIpycparser2.21indirekt
PyPIpydantic—indirekt
PyPIpydantic2.10.6indirekt
PyPIpydantic-yaml1.4.0indirekt
PyPIpydub0.25.1indirekt
PyPIpykakasi2.3.0indirekt
PyPIpyogrio0.12.1indirekt
PyPIpyopengl3.1.10indirekt
PyPIpyparsing3.0.9indirekt
PyPIpypinyin0.50.0indirekt
PyPIpyquaternion0.9.9indirekt
PyPIpysocks1.7.1indirekt
PyPIpytest—indirekt
PyPIpytest7.1.3indirekt
PyPIpytest8.4.2indirekt
PyPIpytest-cov5.0.0indirekt
PyPIpytest-xdist—indirekt
PyPIpytorch-lightning—indirekt
PyPIpytorch-lightning1.2.10indirekt
PyPIpytorch-lightning2.6.0indirekt
PyPIpyyaml6.0.2indirekt
PyPIqai-hub—indirekt
PyPIqai-hub0.49.0indirekt
PyPIrasterio1.4.3indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIresampy0.4.3indirekt
PyPIretry0.9.2indirekt
PyPIrfdetr1.6.5indirekt
PyPIruamel-yaml0.18.10indirekt
PyPIruamel-yaml0.19.1indirekt
PyPIsacremoses0.2.0indirekt
PyPIsafetensors0.6.2indirekt
PyPIschema0.7.5indirekt
PyPIscikit-image—indirekt
PyPIscikit-image0.22.0indirekt
PyPIscikit-learn—indirekt
PyPIscipy—indirekt
PyPIseaborn0.13.2indirekt
PyPIsegment-anything1.0indirekt
PyPIselenium4.36.0indirekt
PyPIselenium4.5.0indirekt
PyPIsentencepiece0.2.1indirekt
PyPIsentencepiece0.2.2indirekt
PyPIsetuptools—indirekt
PyPIsetuptools-scm—indirekt
PyPIshapely2.1.2indirekt
PyPIsilero-vad6.2.1indirekt
PyPIsniffio1.3.0indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsounddevice0.5.2indirekt
PyPIsoundfile—indirekt
PyPIsoundfile0.13.1indirekt
PyPIsoundfile0.14.0indirekt
PyPIspconv2.3.8indirekt
PyPIsupervision0.25.1indirekt
PyPItabulate0.9.0indirekt
PyPItensorboard2.13.0indirekt
PyPItflite2.18.0indirekt
PyPIthop0.1.1.post2209072238indirekt
PyPItimm1.0.14indirekt
PyPItimm1.0.15indirekt
PyPItimm1.0.28indirekt
PyPItomli2.0.1indirekt
PyPItorch—indirekt
PyPItorch2.10.0indirekt
PyPItorch2.4.1indirekt
PyPItorch2.6.0indirekt
PyPItorch2.9.0indirekt
PyPItorchaudio—indirekt
PyPItorchaudio2.4.1indirekt
PyPItorchaudio2.9.0indirekt
PyPItorchcodec—indirekt
PyPItorchmetrics—indirekt
PyPItorchmetrics1.4.0.post0indirekt
PyPItorchpack0.3.1indirekt
PyPItorchvision—indirekt
PyPItorchvision0.19.1indirekt
PyPItorchvision0.21.0indirekt
PyPItorchvision0.24.0indirekt
PyPItorchvision0.25.0indirekt
PyPItransformers—indirekt
PyPItransformers4.45indirekt
PyPItransformers4.45.0indirekt
PyPItransformers4.51.0indirekt
PyPItransformers4.51.3indirekt
PyPItransformers4.56.2indirekt
PyPItransformers4.57.6indirekt
PyPItransformers5.7.0indirekt
PyPItransformers5.9.0indirekt
PyPItrimesh2.35.39indirekt
PyPItrio0.22.0indirekt
PyPItrio-websocket0.9.2indirekt
PyPItriton3.5.1indirekt
PyPItxtsplit1.0.0indirekt
PyPItypes-aiofiles25.1.0.20251011indirekt
PyPItypes-pillow10.2.0.20240213indirekt
PyPItypes-protobuf—indirekt
PyPItypes-pyyaml6.0.12indirekt
PyPItypes-requests2.31.0.6indirekt
PyPItypes-tabulate0.9.0.20240106indirekt
PyPItyping-extensions—indirekt
PyPIultralytics8.4.45indirekt
PyPIunidecode1.3.7indirekt
PyPIunidic1.1.0indirekt
PyPIunidic-lite1.0.8indirekt
PyPIurllib31.26.12indirekt
PyPIwandb0.22.3indirekt
PyPIwcwidth0.5.3indirekt
PyPIwebdataset0.2.86indirekt
PyPIwmi1.5.1indirekt
PyPIwsproto1.2.0indirekt
PyPIyacs0.1.8indirekt
Abhängigkeits-Advisories 39

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 229 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 39 tragen bekannte Advisories, davon 0 direkte. 57 konnten nicht bewertet werden – keine aufgelöste Version, ein nicht unterstütztes Ökosystem, oder außerhalb der ausgewiesenen Paketliste.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
aiohttp3.13.3indirektkritisch563.14.4
gitpython3.1.42indirektkritisch593.1.62
gitpython3.1.49indirektkritisch513.1.62
h110.14.0indirektkritisch20.16.0
imgaug0.4.0indirektkritisch2—
nltk3.9.2indirektkritisch863.10.3
onnx1.17.0indirektkritisch171.22.0
onnx1.18.0indirektkritisch161.22.0
pytorch-lightning1.2.10indirektkritisch132.6.6
torch2.4.1indirektkritisch232.13.0
transformers4.45indirektkritisch445.10.0
transformers4.45.0indirektkritisch445.10.0
transformers4.51.0indirektkritisch305.10.0
transformers4.51.3indirektkritisch305.10.0
transformers4.56.2indirektkritisch155.10.0
transformers4.57.6indirektkritisch115.10.0
accelerate1.12.0indirekthoch2—
accelerate1.2.1indirekthoch2—
certifi2022.9.24indirekthoch82026.10.19
diffusers0.30.2indirekthoch50.38.0
diffusers0.35.2indirekthoch50.38.0
gdown4.7.1indirekthoch25.2.2
geopandas1.1.0indirekthoch21.1.2
gradio6.14.0indirekthoch66.16.0
hydra-core1.3.2indirekthoch41.4.0.dev9
idna3.4indirekthoch43.15
lxml6.0.2indirekthoch26.1.0
pyarrow21.0.0indirekthoch223.0.1
pytorch-lightning2.6.0indirekthoch32.6.6
selenium4.5.0indirekthoch14.14.0
torch2.10.0indirekthoch22.13.0
torch2.6.0indirekthoch242.13.0
torch2.9.0indirekthoch52.13.0
transformers5.7.0indirekthoch45.10.0
transformers5.9.0indirekthoch25.10.0
urllib31.26.12indirekthoch202.8.0
datasets4.1.1indirektmittel25.0.1
pytest7.1.3indirektmittel29.0.3
pytest8.4.2indirektmittel29.0.3

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 qualcomm/ai-hub-models teilen. Nebeneinander lesen →

95ludwig-ai/ludwigLow-code framework for building custom LLMs, neural networks, and other AI modelsAußergewöhnlich100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich100huggingface/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. Außergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich98NVIDIA/TensorRT-LLMTensorRT LLM provides users with an easy-to-use Python API to define Large Language Models (LLMs) and supports state-of-the-art optimizations to perform inference efficiently on NVIDIA GPUs. TensorRT LLM also contains components to create Python and C++ runtimes that orchestrate the inference execution in a performant way.Außergewöhnlich97xorbitsai/inferenceSwap GPT for any LLM by changing a single line of code. Xinference lets you run open-source, speech, and multimodal models on cloud, on-prem, or your laptop — all through one unified, production-ready inference API.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 v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

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