Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-20 06:41 UTC

speediedan / finetuning-scheduler

A PyTorch Lightning extension that accelerates and enhances foundation model experimentation with flexible fine-tuning schedules.

PythonApache-2.0★ 69 Sterne⑂ 8 Forksseit Feb. 2022Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#machine-learning#transfer-learning#finetuning#fine-tuning#pytorch-lightning#pytorch#artificial-intelligence#neural-networks#superglue

speediedan/finetuning-scheduler erreicht einen Gesundheitsindex von 78 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Security (45/100). Zuletzt vor 8 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

78
gesamt / 100
Gut

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.

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

Eigentümerschaft

Dan DalePersönliches Konto
22 Follower36 öffentliche Reposseit Mai 2014

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIfinetuning-scheduler2.13.03.94646vor 55 Tagendeep-learningpytorchaimachine-learningpytorch-lightninglightningfine-tuningfinetuning

Metriken nach Kategorie

Vitalität

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

70Gut · 21 % des Gesamtindex

Entwicklungsaktivität

62Mittel
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 8 Tagen
7.6/36Commit-Rhythmus — 11/52 Wochen mit Commits
15.6/18Commit-Volumen — 53 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 23 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year53
human_commit_share1
days_since_last_push8
active_weeks_last_year11

Release-Disziplin

83Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 48 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 55 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 78,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count48
latest_release_tagv2.13.0
releases_from_tagsnein
days_since_latest_release55
mean_days_between_releases78,9

Community & Verbreitung

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

62Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

38Schwach
Wie die Bewertung erfolgt
29.7/60Stars — 69 Stars
7/25Forks — 8 Forks
1.7/15Watcher — 3 Watcher
Verwendete Eingangsdaten
forks8
stars69
watchers3
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_badges9
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com, github.com, readthedocs.org, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

60Mittel
Wie die Bewertung erfolgt
48/80Downloads pro Monat — 3.946 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesfinetuning-scheduler
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3.946
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?

59Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

19Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 98 % der Commits
6.8/13.5Breite der Beitragenden — 5 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled5
top_contributor_share0,981

Reaktionsfähigkeit bei Issues & PRs

80Exzellent
Wie die Bewertung erfolgt
39.8/42Issue-Lösungsquote — 95 % der Issues geschlossen
30/30PR-Annahme — 22/22 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/27 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs22
open_issues1
closed_issues18
prs_merged_7d0
prs_decided_7d0
prs_merged_30d9
prs_decided_30d9
issue_closed_ratio0,947
closed_unmerged_prs0
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

54Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
9.8/25Reichweite des Inhabers — 22 Follower von speediedan
23.4/25Kontohistorie — 36 öffentliche Repos, Kontoalter ca. 12 Jahre
Verwendete Eingangsdaten
followers22
owner_typeUser
is_verified—
owner_loginspeediedan
public_repos36
account_age_days4.524
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 55 Tagen
20/20Versionshistorie — 46 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesfinetuning-scheduler
ecosystemspypi
any_deprecatednein
min_days_since_publish55

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 10 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 12 out of 12 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

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://finetuning-scheduler.readthedocs.io
10/10Repository-Beschreibung
10/10Topics — 9 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsmachine-learning, transfer-learning, finetuning, fine-tuning, pytorch-lightning, pytorch, artificial-intelligence, neural-networks, superglue
has_wikija
homepagehttps://finetuning-scheduler.readthedocs.io
docs_sitehttps://finetuning-scheduler.readthedocs.io
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

45Schwach · 16 % des Gesamtindex

Sicherheitslage

37Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 12 out of 12 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
0/7.5Code-Review — Found 0/27 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 23 commit(s) and 2 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
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
3/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 129 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate3,7

Abhängigkeits-Advisories

78Gut
Wie die Bewertung erfolgt
13.2/35Direkte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: lightning 2.6.6 (high 7.8)
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
40/40Keine offenen Advisories — kein Advisory ist länger als 90 Tage öffentlich
Verwendete Eingangsdaten
sourceosv
advisories1
affected_packages1
assessed_packages46
unassessed_packages0
affected_by_severityhigh 1
direct_affected_packages1
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:finetuning-scheduler@2.13.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 46 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.

72Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

64Mittel
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/copilot-instructions.md, AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
18.7/40Lesbare Commit-Historie — 35 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,35
agent_instruction_files.github/copilot-instructions.md, AGENTS.md, CLAUDE.md
agent_instruction_max_bytes17.426

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

74Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/finetuning_scheduler/py.typed
10/10Reproduzierbare Umgebung — Dockerfile
2/10Belegte Agentenpraxis — 1 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile, docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configssrc/finetuning_scheduler/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

80Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/finetuning_scheduler/py.typed)
53.3/55Handhabbare Dateigrößen — 2/63 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes129.297
source_files_sampled63
oversized_source_files2

Eckdaten

69GitHub-Sterne
5Mitwirkende
53Commits, letzte 12 Monate
8Tage seit letztem Push
48Releases
1Bus-Faktor
1offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'setup_tools.py' from its registry

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 8 ⇿
0Sterne
8Forks
43Releases

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.

02468812022-052024-052026-05
Major 1Minor 9Patch 31

Jeder Punkt umfasst 4 Tage.

OpenSSF Scorecard 3.7 / 10
3.7Gesamtwert

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 · 2026-09-20 06:41 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests12 out of 12 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/27 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained23 commit(s) and 2 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
0SASTSAST tool is not run on all commits -- score normalized to 0
6Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities129 existing vulnerabilities detected
Alle Abhängigkeiten 355

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 355 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPI2-14-0-dev20260724—indirekt
PyPIaiohappyeyeballs2.7.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIalembic1.18.5indirekt
PyPIannotated-doc0.0.5indirekt
PyPIannotated-types0.8.0indirekt
PyPIantlr4-python3-runtime4.9.3indirekt
PyPIanyio4.14.2indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIaspy-yaml1.3.0indirekt
PyPIasttokens3.0.2indirekt
PyPIasync-generator1.10indirekt
PyPIasync-lru2.3.0indirekt
PyPIatomicwrites1.4.1indirekt
PyPIattrs20.3.0indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackcall0.2.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIbleach6.4.0indirekt
PyPIblinker1.9.0indirekt
PyPIcachetools5.5.2indirekt
PyPIcachetools7.1.6indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.9indirekt
PyPIclick8.4.2indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcommonmark0.9.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage—indirekt
PyPIcoverage6.4indirekt
PyPIcoverage7.15.2indirekt
PyPIcryptography48.0.1indirekt
PyPIcryptography49.0.0indirekt
PyPIcu130—indirekt
PyPIcycler0.12.1indirekt
PyPIdatabricks-sdk0.122.0indirekt
PyPIdatasets—indirekt
PyPIdatasets4.0.0indirekt
PyPIdatasets5.0.1indirekt
PyPIdebugpy1.8.21indirekt
PyPIdecorator5.3.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdill0.3.8indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdocker7.2.0indirekt
PyPIdocstring-parser0.18.0indirekt
PyPIdocutils—indirekt
PyPIdocutils0.23indirekt
PyPIentrypoints0.4indirekt
PyPIevaluate—indirekt
PyPIevaluate0.3.0indirekt
PyPIevaluate0.4.6indirekt
PyPIexecuting2.2.1indirekt
PyPIfastapi0.140.13indirekt
PyPIfastjsonschema2.22.1indirekt
PyPIfilelock3.32.0indirekt
PyPIflask3.1.3indirekt
PyPIflask-cors6.0.5indirekt
PyPIfonttools4.63.0indirekt
PyPIfqdn1.5.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2025.3.0indirekt
PyPIfsspec2026.6.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.57indirekt
PyPIgoogle-auth2.56.2indirekt
PyPIgraphene3.4.3indirekt
PyPIgraphql-core3.2.11indirekt
PyPIgraphql-relay3.2.0indirekt
PyPIgreenlet3.5.4indirekt
PyPIgunicorn23.0.0indirekt
PyPIgunicorn26.0.0indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.5.2indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuey3.3.0indirekt
PyPIhuggingface-hub0.36.2indirekt
PyPIhuggingface-hub1.25.1indirekt
PyPIhydra-core—indirekt
PyPIhydra-core1.2.0indirekt
PyPIhydra-core1.3.4indirekt
PyPIid1.6.1indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.18indirekt
PyPIimportlib-metadata8.9.0indirekt
PyPIimportlib-metadata9.0.0indirekt
PyPIimportlib-resources7.1.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel—indirekt
PyPIipykernel6.2.0indirekt
PyPIipykernel7.3.0indirekt
PyPIipython—indirekt
PyPIipython7.23.1indirekt
PyPIipython9.15.0indirekt
PyPIipython-genutils0.2.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets—indirekt
PyPIipywidgets7.6.0indirekt
PyPIipywidgets8.1.8indirekt
PyPIisoduration20.11.0indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjaraco-classes3.4.0indirekt
PyPIjaraco-context6.1.2indirekt
PyPIjaraco-functools4.6.0indirekt
PyPIjedi0.20.0indirekt
PyPIjeepney0.9.0indirekt
PyPIjinja2—indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.3indirekt
PyPIjson50.15.0indirekt
PyPIjsonargparse—indirekt
PyPIjsonargparse4.27.7indirekt
PyPIjsonargparse4.50.0indirekt
PyPIjsonpointer3.1.1indirekt
PyPIjsonschema4.17.3indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-builder1.1.1indirekt
PyPIjupyter-client—indirekt
PyPIjupyter-client7.0.0indirekt
PyPIjupyter-client8.9.1indirekt
PyPIjupyter-core—indirekt
PyPIjupyter-core4.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.1indirekt
PyPIjupyter-lsp2.3.1indirekt
PyPIjupyter-server2.20.0indirekt
PyPIjupyter-server-terminals0.5.4indirekt
PyPIjupyterlab4.6.2indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.16indirekt
PyPIjupytext—indirekt
PyPIjupytext1.10.0indirekt
PyPIjupytext1.19.5indirekt
PyPIkeyring25.7.0indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlark1.3.1indirekt
PyPIlightning2.6.0indirekt
PyPIlightning2.6.5indirekt
PyPIlightning-utilities0.15.3indirekt
PyPImako1.3.12indirekt
PyPImarkdown-it-py0.6.2indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib3.11.1indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImdit-py-plugins0.2.6indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImistune0.8.4indirekt
PyPImistune3.3.4indirekt
PyPImlflow—indirekt
PyPImlflow3.0.0indirekt
PyPImlflow3.14.0indirekt
PyPImlflow-skinny3.0.0indirekt
PyPImlflow-skinny3.14.0indirekt
PyPImlflow-tracing3.14.0indirekt
PyPImore-itertools11.1.0indirekt
PyPImultidict6.7.1indirekt
PyPImultiprocess0.70.16indirekt
PyPImultiprocess0.70.19indirekt
PyPImyst-parser4.0.1indirekt
PyPInarwhals2.24.0indirekt
PyPInbclient—indirekt
PyPInbclient0.11.0indirekt
PyPInbclient0.5.0indirekt
PyPInbconvert—indirekt
PyPInbconvert6.0.0indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat—indirekt
PyPInbformat5.0.2indirekt
PyPInbformat5.10.4indirekt
PyPInbsphinx—indirekt
PyPInbval—indirekt
PyPInbval0.11.0indirekt
PyPInbval0.9.6indirekt
PyPInest-asyncio1.6.0indirekt
PyPInest-asyncio21.7.2indirekt
PyPInh30.3.6indirekt
PyPInightly—indirekt
PyPInodeenv1.10.0indirekt
PyPInotebook—indirekt
PyPInotebook6.4.0indirekt
PyPInotebook7.6.1indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumpy2.4.6indirekt
PyPIomegaconf—indirekt
PyPIomegaconf2.2.3indirekt
PyPIomegaconf2.3.1indirekt
PyPIopentelemetry-api1.44.0indirekt
PyPIopentelemetry-proto1.44.0indirekt
PyPIopentelemetry-sdk1.44.0indirekt
PyPIopentelemetry-semantic-conventions0.65b0indirekt
PyPIpackaging25.0indirekt
PyPIpackaging26.2indirekt
PyPIpandas2.3.3indirekt
PyPIpandoc—indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.7indirekt
PyPIpexpect4.9.0indirekt
PyPIpickleshare0.7.5indirekt
PyPIpillow12.3.0indirekt
PyPIpip—indirekt
PyPIpip21.0indirekt
PyPIpip26.1.2indirekt
PyPIpkginfo1.12.1.2indirekt
PyPIplatformdirs4.11.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit—indirekt
PyPIpre-commit2.0.0indirekt
PyPIpre-commit4.6.1indirekt
PyPIprettytable3.18.0indirekt
PyPIprometheus-client0.26.0indirekt
PyPIprompt-toolkit3.0.53indirekt
PyPIpropcache0.5.2indirekt
PyPIprotobuf6.33.6indirekt
PyPIpsutil—indirekt
PyPIpsutil5.9.0indirekt
PyPIpsutil7.2.2indirekt
PyPIpt-lightning-sphinx-theme—indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpy1.11.0indirekt
PyPIpyarrow20.0.0indirekt
PyPIpyarrow24.0.0indirekt
PyPIpyasn10.6.4indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.13.4indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyright—indirekt
PyPIpyright1.1.390indirekt
PyPIpyright1.1.411indirekt
PyPIpyrsistent0.20.0indirekt
PyPIpytest—indirekt
PyPIpytest7.0.0indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-rerunfailures—indirekt
PyPIpytest-rerunfailures11.0indirekt
PyPIpytest-rerunfailures16.4indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.5.0indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-json-logger4.1.0indirekt
PyPIpytorch-lightning2.6.5indirekt
PyPIpytz2026.3.post1indirekt
PyPIpywin32312indirekt
PyPIpywin32-ctypes0.2.3indirekt
PyPIpywinpty3.0.5indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIreadme-renderer45.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.7.19indirekt
PyPIrequests2.34.2indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIresponses0.18.0indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc39862.0.0indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich—indirekt
PyPIrich12.3.0indirekt
PyPIrich15.0.0indirekt
PyPIrpds-py2026.6.3indirekt
PyPIsafetensors0.8.0indirekt
PyPIscikit-learn—indirekt
PyPIscikit-learn1.2.0indirekt
PyPIscikit-learn1.9.0indirekt
PyPIscipy1.17.1indirekt
PyPIsecretstorage3.5.0indirekt
PyPIsend2trash2.1.0indirekt
PyPIsentencepiece—indirekt
PyPIsentencepiece0.2.0indirekt
PyPIsentencepiece0.2.2indirekt
PyPIsetuptools—indirekt
PyPIsetuptools81.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIskops0.14.0indirekt
PyPIsmmap5.0.3indirekt
PyPIsoupsieve2.9.1indirekt
PyPIsphinx7.3.7indirekt
PyPIsphinx-autodoc-typehints—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-paramlinks—indirekt
PyPIsphinx-togglebutton—indirekt
PyPIsqlalchemy2.0.51indirekt
PyPIsqlparse0.5.5indirekt
PyPIstack-data0.6.3indirekt
PyPIstarlette1.3.1indirekt
PyPItabulate—indirekt
PyPItabulate0.10.0indirekt
PyPItabulate0.8.9indirekt
PyPItensorboardx—indirekt
PyPItensorboardx2.6.1indirekt
PyPItensorboardx2.6.5indirekt
PyPIterminado0.18.1indirekt
PyPItestpath0.6.0indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItinycss21.5.1indirekt
PyPItokenizers0.13.3indirekt
PyPItokenizers0.22.2indirekt
PyPItoml0.10.2indirekt
PyPItomli2.4.1indirekt
PyPItorch2.11.0indirekt
PyPItorch2.14.0.dev20260724indirekt
PyPItorchmetrics1.9.0indirekt
PyPItornado6.5.7indirekt
PyPItqdm4.70.0indirekt
PyPItraitlets—indirekt
PyPItraitlets5.0.0indirekt
PyPItraitlets5.15.1indirekt
PyPItransformers—indirekt
PyPItransformers4.26.0indirekt
PyPItransformers5.14.1indirekt
PyPItwine—indirekt
PyPItwine3.2.0indirekt
PyPItwine7.0.0indirekt
PyPItyper0.27.0indirekt
PyPItypeshed-client2.12.0indirekt
PyPItyping-extensions—indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2026.3indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.7.0indirekt
PyPIuvicorn0.51.0indirekt
PyPIvirtualenv21.7.0indirekt
PyPIwaitress3.0.2indirekt
PyPIwcwidth0.8.2indirekt
PyPIwebcolors25.10.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwerkzeug3.1.8indirekt
PyPIwidgetsnbextension3.5.2indirekt
PyPIwidgetsnbextension4.0.15indirekt
PyPIxxhash3.8.1indirekt
PyPIyarl1.24.5indirekt
PyPIzipp4.1.0indirekt
Abhängigkeits-Advisories 1

Die Installation von pypi:finetuning-scheduler@2.13.0 zieht 46 Pakete nach sich, direkt und transitiv: 1 tragen bekannte Advisories, davon 1 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
lightning2.6.6direkthoch12022.6.15

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 speediedan/finetuning-scheduler teilen. Nebeneinander lesen →

100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich98huggingface/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.Außergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingAußergewöhnlich

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.