Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-20 02:02 UTC

Lightning-AI / torchmetrics

Machine learning metrics for distributed, scalable PyTorch applications.

PythonApache-2.0★ 2473 estrellas⑂ 526 forksdesde dic 2020Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#python#data-science#machine-learning#pytorch#deep-learning#metrics#analyses

Lightning-AI/torchmetrics tiene un índice de salud de 90 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Community & Adoption (92/100) y la más baja, Security (40/100). Se actualizó por última vez hace 5 días. 2 personas concentran la mayor parte del trabajo reciente.

90
global / 100
Excelente

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

90
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 76 se calibra a 90 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

⚡️ Lightning AI Organización
6868 seguidores30 repositorios públicosdesde dic 2019

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPItorchmetrics1.9.011.497.31173hace 194 díasdeep-learningmachine-learningpytorchmetricsai

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

75Bueno · 21% del índice global

Actividad de desarrollo

73Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 5 días
13.8/36Cadencia de commits — 20/52 semanas con commits
16/18Volumen de commits — 60 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year60
human_commit_share0,59
days_since_last_push5
active_weeks_last_year20

Disciplina de publicación

78Bueno
Cómo se puntúa
27/27Publica versiones — 65 versiones publicadas
16.2/36Recencia de las versiones — última versión hace 194 días
27/27Cadencia de publicación — una versión cada ~40 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count65
latest_release_tagv1.9.0
releases_from_tagsno
days_since_latest_release194
mean_days_between_releases40

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

92Excelente · 17% del índice global

Popularidad y adopción

86Excelente
Cómo se puntúa
55/60Estrellas — 2473 estrellas
22.7/25Forks — 526 forks
7.8/15Observadores — 26 observadores
Datos de entrada utilizados
forks526
stars2473
watchers26
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges10
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com, github.com, readthedocs.org, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

100Excepcional
Cómo se puntúa
80/80Descargas mensuales — 11.497.311 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagestorchmetrics
dependents—
ecosystemspypi
total_downloads—
monthly_downloads11.497.311
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

75Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

57Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
12.9/22.5Distribución de commits — el principal contribuyente firma el 43% de los commits
13.5/13.5Amplitud de contribuyentes — 97 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor2
contributors_sampled97
top_contributor_share0,426

Capacidad de respuesta a issues y PR

81Excelente
Cómo se puntúa
37.7/42Resolución de issues — 90% de issues cerradas
27/30Aceptación de PR — 1924/2135 PR decididos fusionados
4.3/13Newcomer PR acceptance — 5/15 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs1924
open_issues107
closed_issues930
prs_merged_7d0
prs_decided_7d0
prs_merged_30d9
prs_decided_30d20
issue_closed_ratio0,897
closed_unmerged_prs211
first_time_authors_30d6
first_time_prs_merged_30d5
first_time_prs_decided_30d15

Propiedad y custodia

78Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
25/25Alcance del propietario — 6868 seguidores de Lightning-AI
22.9/25Trayectoria — 30 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers6868
owner_typeOrganization
is_verifiedno
owner_loginLightning-AI
public_repos30
account_age_days2484

Mantenimiento de paquetes

91Excelente
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
26/35Recencia de publicación — última publicación hace 194 días
20/20Historial de versiones — 73 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagestorchmetrics
ecosystemspypi
any_deprecatedno
min_days_since_publish194

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

91Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 12 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://lightning.ai/docs/torchmetrics/
10/10Descripción del repositorio
10/10Topics — 7 topics
0/10Wiki
Datos de entrada utilizados
topicspython, data-science, machine-learning, pytorch, deep-learning, metrics, analyses
has_wikino
homepagehttps://lightning.ai/docs/torchmetrics/
docs_sitehttps://lightning.ai/docs/torchmetrics/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

40Débil · 16% del índice global

Postura de seguridad

25En riesgo
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
25/25Configuración de Dependabot
0/25Lockfiles de dependencias
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements.txt, setup.py
has_codeql_workflowno
has_security_policyno
has_dependabot_configsí

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages32
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:torchmetrics@1.9.0 —lo que arrastra la instalación del paquete publicado—: 32 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

84Excelente · 4% del índice global

Contexto y guía para agentes

55Moderado
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://lightning.ai/llms.txt)
40/40Historial de commits legible — 55 de 59 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://lightning.ai/llms.txt
legible_history_share0,932
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

100Excepcional
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — src/torchmetrics/py.typed
10/10Entorno reproducible — devcontainer, Dockerfile
10/10Práctica demostrada con agentes — 6 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 41 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesMakefile, docs/Makefile
has_devcontainersí
has_linter_configsí
typecheck_configssrc/torchmetrics/py.typed
agent_commit_share0,06
toolchain_manifests—
dependency_bot_commit_share0,41

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (src/torchmetrics/py.typed)
55/55Tamaños de archivo manejables — 0/563 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes56.859
source_files_sampled563
oversized_source_files0

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — examples
Datos de entrada utilizados
example_dirsexamples
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

2473estrellas de GitHub
97contribuidores
60commits en los últimos 12 meses
5días desde el último push
65versiones publicadas
2factor bus
107issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • 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; 2026/09/20 02:01:53 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 526 ⇿
0Estrellas
526Forks
65Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

010020030040050060052082021-032023-122026-09
Mayor 1Menor 19Parche 43

Cada punto abarca 6 días.

Todas las dependencias 106

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 106 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaeon—indirecta
PyPIbert-score0.3.13indirecta
PyPIcachier4.2.0indirecta
PyPIcloudpickle—indirecta
PyPIcodecov2.1.13indirecta
PyPIcoverage7.10.7indirecta
PyPIdists-pytorch0.1indirecta
PyPIdocutils0.19indirecta
PyPIdython0.7.9indirecta
PyPIeinops—indirecta
PyPIfairlearn—indirecta
PyPIfast-bss-eval—indirecta
PyPIfaster-coco-eval—indirecta
PyPIfire—indirecta
PyPIgammatone—indirecta
PyPIhuggingface-hub—indirecta
PyPIipadic—indirecta
PyPIipython—indirecta
PyPIjiwer—indirecta
PyPIkornia—indirecta
PyPIlai-sphinx-theme—indirecta
PyPIlibrosa—indirecta
PyPIlightning—indirecta
PyPIlightning-utilities—indirecta
PyPIlightning-utilities0.15.3indirecta
PyPIlpips—indirecta
PyPImatplotlib—indirecta
PyPImecab-ko—indirecta
PyPImecab-ko-dic—indirecta
PyPImecab-python3—indirecta
PyPImir-eval—indirecta
PyPImonai1.4.0indirecta
PyPImypy1.18.2indirecta
PyPImyst-parser1.0.0indirecta
PyPInetcal—indirecta
PyPInltk—indirecta
PyPInumpy—indirecta
PyPIonnxruntime—indirecta
PyPIpackaging—indirecta
PyPIpandas—indirecta
PyPIpandoc2.4indirecta
PyPIpermetrics2.0.0indirecta
PyPIpesq—indirecta
PyPIphmdoctest1.4.0indirecta
PyPIpiq—indirecta
PyPIproperscoring0.1indirecta
PyPIpsutil—indirecta
PyPIpy-tree—indirecta
PyPIpycocotools—indirecta
PyPIpydantic—indirecta
PyPIpygithub—indirecta
PyPIpystoi—indirecta
PyPIpytdc—indirecta
PyPIpytest—indirecta
PyPIpytest8.4.2indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-doctestplus—indirecta
PyPIpytest-doctestplus1.4.0indirecta
PyPIpytest-rerunfailures—indirecta
PyPIpytest-rerunfailures16.0.1indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpytorch-lightning—indirecta
PyPIpytorch-msssim1.0.0indirecta
PyPIregex—indirecta
PyPIrequests—indirecta
PyPIrouge-score—indirecta
PyPIsacrebleu—indirecta
PyPIsafetensors—indirecta
PyPIscienceplots—indirecta
PyPIscikit-image—indirecta
PyPIscikit-learn—indirecta
PyPIscipy—indirecta
PyPIsentencepiece—indirecta
PyPIsetuptools—indirecta
PyPIsewar—indirecta
PyPIsphinx5.3.0indirecta
PyPIsphinx-autobuild2024.10.3indirecta
PyPIsphinx-autodoc-typehints1.23.0indirecta
PyPIsphinx-copybutton0.5.2indirecta
PyPIsphinx-gallery0.19.0indirecta
PyPIsphinx-paramlinks0.6.0indirecta
PyPIsphinx-togglebutton0.3.2indirecta
PyPIsphinxcontrib-fulltoc—indirecta
PyPIsphinxcontrib-mockautodoc—indirecta
PyPIsrmrpy—indirecta
PyPIstatsmodels—indirecta
PyPItimm—indirecta
PyPItorch—indirecta
PyPItorch2.10.0indirecta
PyPItorch-complex—indirecta
PyPItorch-fidelity—indirecta
PyPItorch-linear-assignment—indirecta
PyPItorchaudio—indirecta
PyPItorchvision—indirecta
PyPItqdm—indirecta
PyPItransformers—indirecta
PyPItypes-emoji—indirecta
PyPItypes-protobuf—indirecta
PyPItypes-pyyaml—indirecta
PyPItypes-requests—indirecta
PyPItypes-setuptools—indirecta
PyPItypes-six—indirecta
PyPItypes-tabulate—indirecta
PyPIvmaf-torch—indirecta
PyPIwget—indirecta
Avisos de dependencias 0

Instalar pypi:torchmetrics@1.9.0 arrastra 32 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con Lightning-AI/torchmetrics. Leer en paralelo →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Excepcional98pytorch/igniteHigh-level library to help with training and evaluating neural networks in PyTorch flexibly and transparently.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.