Registro público
Informe de salud del softwareesquema 0.31.0 · métricas 2.10.0 · 2026-08-05 01:00 UTC

huggingface / pytorch-image-models

The largest collection of PyTorch image encoders / backbones. Including train, eval, inference, export scripts, and pretrained weights -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, and more

Python · MDXApache-2.0★ 37.044 estrellas⑂ 5185 forksdesde feb 2019Ver en GitHub ↗
TipoBibliotecacómo se determina
#pytorch#resnet#pretrained-models#pretrained-weights#distributed-training#mobile-deep-learning#mobilenet-v2#mobilenetv3#efficientnet#augmix#randaugment#mixnet#vision-transformer-models#nfnets#normalization-free-training#maxvit#convnext#image-classification#imagenet#optimizer

huggingface/pytorch-image-models tiene un índice de salud de 91 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (93/100) y la más baja, AI Readiness (56/100). Se actualizó por última vez hace 8 días. Una sola persona concentra la mayor parte del trabajo reciente.

91
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.

91
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 77 se calibra a 91 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Hugging FaceOrganización
66.679 seguidores460 repositorios públicosdesde feb 2017

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
PyPItimm1.0.28-79hace 24 díaspytorchimage-classification

Métricas por categoría

Vitalidad

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

93Excepcional · 21% del índice global

Actividad de desarrollo

88Excelente
Cómo se puntúa
28.8/36Recencia de push — último push hace 8 días
31.2/36Cadencia de commits — 45/52 semanas con commits
18/18Volumen de commits — 236 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year236
human_commit_share1
days_since_last_push8
active_weeks_last_year45

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 78 versiones publicadas
36/36Recencia de las versiones — última versión hace 24 días
27/27Cadencia de publicación — una versión cada ~39,2 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count78
latest_release_tagv1.0.28
releases_from_tagsno
days_since_latest_release24
mean_days_between_releases39,2
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

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

92Excelente · 17% del índice global

Popularidad y adopción

99Excepcional
Cómo se puntúa
60/60Estrellas — 37.044 estrellas
25/25Forks — 5185 forks
13.9/15Observadores — 320 observadores
Datos de entrada utilizados
forks5185
stars37.044
watchers320
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

85Excelente
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
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templateno

Sostenibilidad y Gobernanza

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

74Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

36Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
3.3/22.5Distribución de commits — el principal contribuyente firma el 85% de los commits
13.5/13.5Amplitud de contribuyentes — 100 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 15 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled100
top_contributor_share0,854

Capacidad de respuesta a issues y PR

74Bueno
Cómo se puntúa
40.2/42Resolución de issues — 96% de issues cerradas
22.5/30Aceptación de PR — 554/738 PR decididos fusionados
7.8/13Newcomer PR acceptance — 3/5 PR de contribuyentes primerizos fusionados en 30 d
3/15OpenSSF Scorecard: Code-Review — Found 5/17 approved changesets -- score normalized to 2
Datos de entrada utilizados
merged_prs554
open_issues43
closed_issues993
prs_merged_7d0
prs_decided_7d0
prs_merged_30d9
prs_decided_30d12
issue_closed_ratio0,958
closed_unmerged_prs184
first_time_authors_30d3
first_time_prs_merged_30d3
first_time_prs_decided_30d5

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado — el estado de dominio verificado no se leyó para esta organización
25/25Alcance del propietario — 66.679 seguidores de huggingface
25/25Trayectoria — 460 repos públicos, cuenta de ~9 años
Datos de entrada utilizados
followers66.679
owner_typeOrganization
is_verified—
owner_loginhuggingface
public_repos460
account_age_days3460
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 24 días
20/20Historial de versiones — 79 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagestimm
ecosystemspypi
any_deprecatedno
min_days_since_publish24

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

68Bueno · 19% del índice global

Prácticas de ingeniería

64Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 5 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 13 out of 15 merged PRs checked by a CI test -- score normalized to 8
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configno
has_precommit_configno

Documentación

75Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://huggingface.co/docs/timm
10/10Descripción del repositorio
10/10Topics — 20 topics
10/10Wiki
Datos de entrada utilizados
topicspytorch, resnet, pretrained-models, pretrained-weights, distributed-training, mobile-deep-learning, mobilenet-v2, mobilenetv3, efficientnet, augmix, randaugment, mixnet, vision-transformer-models, nfnets, normalization-free-training, maxvit, convnext, image-classification, imagenet, optimizer
has_wikisí
homepagehttps://huggingface.co/docs/timm
docs_sitehttps://huggingface.co/docs/timm
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

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

60Moderado · 16% del índice global

Postura de seguridad

50Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2/2.5CI-Tests — 13 out of 15 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
1.5/7.5Code-Review — Found 5/17 approved changesets -- score normalized to 2
2.5/2.5Contributors — project has 15 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
1.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 24 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate5
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Packaging, Signed-Releases. Los pesos restantes se han renormalizado.

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_packages18
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:timm@1.0.28 —lo que arrastra la instalación del paquete publicado—: 18 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.

56Moderado · 4% del índice global

Contexto y guía para agentes

59Moderado
Cómo se puntúa
45/45Instrucciones para agentes — CLAUDE.md
0/15Documentación legible por máquinas (llms.txt)
14.4/40Historial de commits legible — 27 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,27
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes901

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

44Débil
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
0/11Configuración de lint / formato
11/11Verificación estática de tipos — timm/py.typed
0/10Entorno reproducible
8/10Práctica demostrada con agentes — 4 de los últimos 100 commits con autoría o crédito de agente
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
3/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configno
typecheck_configstimm/py.typed
agent_commit_share0,04
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

80Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (timm/py.typed)
52.7/55Tamaños de archivo manejables — 13/314 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes211.911
source_files_sampled314
oversized_source_files13

Datos clave

37.044estrellas de GitHub
100contribuidores
236commits en los últimos 12 meses
8días desde el último push
78versiones publicadas
1factor bus
43issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

Historial de estrellas y forks 0 ★ / 5185 ⇿
0Estrellas
5185Forks
24Versiones

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.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

4000420044004600480050005200518592024-012025-042026-08
Mayor 0Menor 0Parche 24

Cada punto abarca 3 días.

OpenSSF Scorecard 5.0 / 10
5.0agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-08-05 01:00 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
8CI-Tests13 out of 15 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 5/17 approved changesets -- score normalized to 2
10Contributorsproject has 15 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging workflow not detected
3Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 3
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities24 existing vulnerabilities detected
Dependencias directas 5
RegistroPaqueteRestricción de versiónManifiesto
PyPItorch—pyproject.toml
PyPItorchvision—pyproject.toml
PyPIpyyaml—pyproject.toml
PyPIhuggingface_hub—pyproject.toml
PyPIsafetensors—pyproject.toml
Todas las dependencias 11

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 5 paquetes directos y 6 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIhuggingface-hub—directa
PyPIpyyaml—directa
PyPIsafetensors—directa
PyPItorch—directa
PyPItorchvision—directa
PyPIexpecttest—indirecta
PyPInumpy—indirecta
PyPIpytest—indirecta
PyPIpytest-forked—indirecta
PyPIpytest-timeout—indirecta
PyPIpytest-xdist—indirecta
Avisos de dependencias 0

Instalar pypi:timm@1.0.28 arrastra 18 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 huggingface/pytorch-image-models. Leer en paralelo →

84qubvel-org/segmentation_models.pytorchSemantic segmentation models with 500+ pretrained convolutional and transformer-based backbones.Excelente34cvat-ai/cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.En riesgo99huggingface/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. Excepcional98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98huggingface/huggingface_hubThe official CLI and Python client for the Hugging Face Hub.Excepcional92albumentations-team/AlbumentationsXNext-generation Albumentations: dual-licensed for open-source and commercial useExcelente

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 v0.31.0 — metodología completa · wiki de métricas.

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