Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-08-30 05:29 UTC

marinerhemant / MIDAS

The repository provides codes under the Microstructural Identification using Diffraction Analysis Software

Python · Jupyter Notebook · CLicencia propia★ 27 estrellas⑂ 21 forksdesde ago 2015Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#diffraction#midas#hedm#argonne

marinerhemant/MIDAS tiene un índice de salud de 75 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Vitality (91/100) y la más baja, Security (53/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

75
global / 100
Bueno

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.

75
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 65 se calibra a 75 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Hemant SharmaCuenta personal
12 seguidores1 repositorio públicodesde sept 2013@AdvancedPhotonSource

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPImidas-2d0.3.38535hace 11 días—
PyPImidas-dt0.7.0153312hace 0 díasmidasxrd-ctdiffraction-tomographydtsynchrotronchemical-tomography
PyPImidas-dfxm0.7.0143513hace 0 días—
PyPImidas-hkls0.9.0364613hace 5 días—
PyPImidas-index0.8.0112720hace 0 díasmidashedmindexingpytorchfar-fielddiffractioncrystallographypolycrystalgrain
PyPImidas-dct-tt0.1.23343hace 9 días—
PyPImidas-defect0.1.59426hace 11 días—
PyPImidas-invert0.2.010483hace 0 días—

Métricas por categoría

Vitalidad

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

91Excelente · 21% del índice global

Actividad de desarrollo

91Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
27/36Cadencia de commits — 39/52 semanas con commits
18/18Volumen de commits — 2471 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year2471
human_commit_share1
days_since_last_push0
active_weeks_last_year39

Disciplina de publicación

90Excelente
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
27/27Cadencia de publicación — una versión cada ~0 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count100
latest_release_tagmidas-stress-v0.12.0
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases0

Comunidad y Adopción

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

53Moderado · 17% del índice global

Popularidad y adopción

38Débil
Cómo se puntúa
23/60Estrellas — 27 estrellas
10.8/25Forks — 21 forks
3.9/15Observadores — 6 observadores
Datos de entrada utilizados
forks21
stars27
watchers6
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

64Moderado
Cómo se puntúa
22.5/22.5README
16.9/22.5Licencia — archivo de licencia presente, no es una licencia reconocida
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges1
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesshields.io
has_pull_request_templateno

Adopción en el ecosistema (descargas)

63Moderado
Cómo se puntúa
50.7/80Descargas mensuales — 6306 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesmidas-dt, midas-hkls, midas-index
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6306
unverified_packages_excludedmidas-2d, midas-dfxm, midas-dct-tt, midas-defect, midas-invert
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?

57Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

29En riesgo
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
0.1/22.5Distribución de commits — el principal contribuyente firma el 100% de los commits
9.5/13.5Amplitud de contribuyentes — 7 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Datos de entrada utilizados
bus_factor1
contributors_sampled7
top_contributor_share0,995

Capacidad de respuesta a issues y PR

72Bueno
Cómo se puntúa
40.7/42Resolución de issues — 97% de issues cerradas
22.3/30Aceptación de PR — 23/31 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs23
open_issues1
closed_issues31
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,969
closed_unmerged_prs8
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

40Débil
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
8/25Alcance del propietario — 12 seguidores de marinerhemant
14.2/25Trayectoria — 1 repos públicos, cuenta de ~12 años
Datos de entrada utilizados
followers12
owner_typeUser
is_verified—
owner_loginmarinerhemant
public_repos1
account_age_days4733
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 — 8 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 0 días
20/20Historial de versiones — 20 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesmidas-2d, midas-dt, midas-dfxm, midas-hkls, midas-index, midas-dct-tt, midas-defect, midas-invert
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

66Bueno · 19% del índice global

Prácticas de ingeniería

60Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 3 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks 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_configno
has_precommit_configno
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: CI-Tests. Los pesos restantes se han renormalizado.

Documentación

75Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://github.com/marinerhemant/MIDAS/tree/master/packages/midas_index
10/10Descripción del repositorio
10/10Topics — 4 topics
10/10Wiki
Datos de entrada utilizados
topicsdiffraction, midas, hedm, argonne
has_wikisí
homepage—
docs_sitehttps://github.com/marinerhemant/MIDAS/tree/master/packages/midas_index
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?

53Moderado · 16% del índice global

Postura de seguridad

41Débil
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — sin datos
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 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 — no SAST tool detected
0/5Security-Policy — security policy file not 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
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate4,1
Excluidos de la puntuación (sin datos o no aplicable): CI-Tests. 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_packages12
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:midas-2d@0.3.3 —lo que arrastra la instalación del paquete publicado—: 12 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.

60Moderado · 4% del índice global

Contexto y guía para agentes

40Débil
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 94 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,94
agent_instruction_files—
agent_instruction_max_bytes—

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

51Moderado
Cómo se puntúa
18/18Arranque con un solo comando — packages/midas_defect/docs/Makefile
22/22Pruebas automatizadas
0/11Configuración de lint / formato
11/11Verificación estática de tipos — packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
0/10Entorno reproducible
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_filespackages/midas_defect/docs/Makefile
has_devcontainerno
has_linter_configno
typecheck_configspackages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

81Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed)
54/55Tamaños de archivo manejables — 44/2346 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes280.318
source_files_sampled2346
oversized_source_files44

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 — example, examples, notebooks
Datos de entrada utilizados
example_dirsexample, examples, notebooks
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

27estrellas de GitHub
7contribuidores
2471commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
1factor bus
1issues abiertas
—ecosistemas 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 ★ / 21 ⇿
0Estrellas
21Forks

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.

048121620242112016-062021-062026-05

Cada punto abarca 10 días.

OpenSSF Scorecard 4.1 / 10
4.1agregado

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 · 2026-08-30 05:28 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
n/dCI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 0 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
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 147
RegistroPaqueteRestricción de versiónManifiesto
PyPInumpy>=1.20packages/midas_2d/pyproject.toml
PyPItorch>=2.0packages/midas_2d/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_2d/pyproject.toml
PyPImidas-pink>=0.1packages/midas_2d/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_2d/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate/pyproject.toml
PyPImidas-distortion>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-integrate>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-peakfit>=0.2.0packages/midas_calibrate/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate/pyproject.toml
PyPIpsutil>=5.8packages/midas_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate_v2/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-integrate>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-peakfit>=0.2.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-calibrate>=0.4.0packages/midas_calibrate_v2/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate_v2/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-zipper>=0.1.1packages/midas_calibrate_v2/pyproject.toml
PyPIscikit-image>=0.19packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dct_tt/pyproject.toml
PyPInumpy>=1.20packages/midas_dct_tt/pyproject.toml
PyPItorch>=2.0packages/midas_dct_tt/pyproject.toml
PyPImidas-dfxm>=0.3.1packages/midas_dct_tt/pyproject.toml
PyPImidas-stress>=0.8.1packages/midas_dct_tt/pyproject.toml
PyPImidas-diffract>=0.7packages/midas_dct_tt/pyproject.toml
PyPImidas-hkls>=0.7.2packages/midas_dct_tt/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dct_tt/pyproject.toml
PyPImidas-distortion>=0.2packages/midas_dct_tt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_defect/pyproject.toml
PyPItorch>=2.0packages/midas_defect/pyproject.toml
PyPIpandas>=1.5packages/midas_defect/pyproject.toml
PyPIscipy>=1.10packages/midas_defect/pyproject.toml
PyPItifffile>=2023.0packages/midas_defect/pyproject.toml
PyPIzarr>=2.14packages/midas_defect/pyproject.toml
PyPImidas-transforms>=0.1packages/midas_defect/pyproject.toml
PyPImidas-hkls>=0.1packages/midas_defect/pyproject.toml
PyPImidas-stress>=0.1packages/midas_defect/pyproject.toml
PyPImidas-diffract>=0.1packages/midas_defect/pyproject.toml
PyPImidas-index>=0.1packages/midas_defect/pyproject.toml
PyPImidas-peakfit>=0.1packages/midas_defect/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_dfxm/pyproject.toml
PyPItorch>=2.0packages/midas_dfxm/pyproject.toml
PyPImidas-stress—packages/midas_dfxm/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_dfxm/pyproject.toml
PyPImidas-2d>=0.1packages/midas_dfxm/pyproject.toml
PyPImidas-defect—packages/midas_dfxm/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dfxm/pyproject.toml
PyPImidas-distortion—packages/midas_dfxm/pyproject.toml
PyPInumpy>=1.22packages/midas_diffract/pyproject.toml
PyPItorch>=2.0packages/midas_diffract/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_diffract/pyproject.toml
PyPImidas-stress>=0.8.0packages/midas_diffract/pyproject.toml
PyPInumpy>=1.22packages/midas_distortion/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_dt/pyproject.toml
PyPInumpy>=1.22packages/midas_dt/pyproject.toml
PyPImidas-tomo>=0.1.0packages/midas_dt/pyproject.toml
PyPImidas-integrate-v2>=0.7.0packages/midas_dt/pyproject.toml
PyPImidas-integrate>=0.7.0packages/midas_dt/pyproject.toml
PyPIscipy>=1.7packages/midas_dt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_ff_pipeline/pyproject.toml
PyPInumpy>=1.22packages/midas_ff_pipeline/pyproject.toml
PyPItorch>=2.0packages/midas_ff_pipeline/pyproject.toml
PyPIzarr>=2.14,<3packages/midas_ff_pipeline/pyproject.toml
PyPIh5py>=3.7packages/midas_ff_pipeline/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_ff_pipeline/pyproject.toml
PyPItifffile—packages/midas_ff_pipeline/pyproject.toml
PyPIpandas>=1.5packages/midas_ff_pipeline/pyproject.toml
PyPImidas-zipper>=0.1.5packages/midas_ff_pipeline/pyproject.toml
PyPImidas-hkls>=0.9.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-peakfit>=0.4.6packages/midas_ff_pipeline/pyproject.toml
PyPImidas-transforms>=0.8.2packages/midas_ff_pipeline/pyproject.toml
PyPImidas-index>=0.3.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-fit-grain>=0.8.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-process-grains>=0.10.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-pipeline>=0.15.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_ff_pipeline/pyproject.toml
PyPImidas-parsl-configs>=0.1.0packages/midas_ff_pipeline/pyproject.toml
PyPInumpy>=1.22packages/midas_fit_grain/pyproject.toml
PyPItorch>=2.0packages/midas_fit_grain/pyproject.toml
PyPIscipy>=1.10packages/midas_fit_grain/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.11.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_grain_odf/pyproject.toml
PyPInumpy>=1.20packages/midas_grain_odf/pyproject.toml
PyPItorch>=2.0packages/midas_grain_odf/pyproject.toml
PyPIpandas>=1.5packages/midas_grain_odf/pyproject.toml
PyPIh5py>=3.0packages/midas_grain_odf/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_grain_odf/pyproject.toml
PyPImidas-diffract>=0.1packages/midas_grain_odf/pyproject.toml
PyPImidas-stress>=0.1packages/midas_grain_odf/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_hkls/pyproject.toml
PyPInumpy>=1.22packages/midas_hkls/pyproject.toml
PyPImidas-params>=0.11.0packages/midas_index/pyproject.toml
PyPInumpy>=1.22packages/midas_index/pyproject.toml
PyPItorch>=2.0packages/midas_index/pyproject.toml
PyPImidas-diffract>=0.8.0packages/midas_index/pyproject.toml
PyPImidas-stress>=0.5.0,<1.0packages/midas_index/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate/pyproject.toml
PyPIscipy>=1.9packages/midas_integrate/pyproject.toml
PyPItorch>=2.1packages/midas_integrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_integrate/pyproject.toml
PyPIh5py>=3.0packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate/pyproject.toml
PyPInumba>=0.59packages/midas_integrate/pyproject.toml
PyPIjoblib>=1.2packages/midas_integrate/pyproject.toml
PyPIzarr>=2.16,<3packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_integrate_v2/pyproject.toml
PyPImidas-integrate>=0.7.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-calibrate-v2>=0.11.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.20packages/midas_invert/pyproject.toml
PyPItorch>=2.0packages/midas_invert/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_joint_ff_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-peakfit>=0.4.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate-v2>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate>=0.2.6packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-fit-grain>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-diffract>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_nf_fitorientation/pyproject.toml
PyPInumpy>=1.22packages/midas_nf_fitorientation/pyproject.toml
PyPIscipy>=1.7packages/midas_nf_fitorientation/pyproject.toml
PyPItorch>=2.0packages/midas_nf_fitorientation/pyproject.toml
PyPImidas-diffract>=0.7.0packages/midas_nf_fitorientation/pyproject.toml
PyPImidas-stress>=0.6.0packages/midas_nf_fitorientation/pyproject.toml
Todas las dependencias 66

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 35 paquetes directos y 31 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIh5py—directa
PyPIhdf5plugin—directa
PyPIjoblib—directa
PyPImidas-2d—directa
PyPImidas-calibrate—directa
PyPImidas-calibrate-v2—directa
PyPImidas-defect—directa
PyPImidas-dfxm—directa
PyPImidas-diffract—directa
PyPImidas-distortion—directa
PyPImidas-fit-grain—directa
PyPImidas-hkls—directa
PyPImidas-index—directa
PyPImidas-integrate—directa
PyPImidas-integrate-v2—directa
PyPImidas-invert—directa
PyPImidas-params—directa
PyPImidas-parsl-configs—directa
PyPImidas-peakfit—directa
PyPImidas-pink—directa
PyPImidas-pipeline—directa
PyPImidas-process-grains—directa
PyPImidas-stress—directa
PyPImidas-tomo—directa
PyPImidas-transforms—directa
PyPImidas-zipper—directa
PyPInumba—directa
PyPInumpy—directa
PyPIpandas—directa
PyPIpsutil—directa
PyPIscikit-image—directa
PyPIscipy—directa
PyPItifffile—directa
PyPItorch—directa
PyPIzarr—directa
PyPIfabio—indirecta
PyPIgemmi—indirecta
PyPImatplotlib—indirecta
PyPImidas-dct-tt—indirecta
PyPImidas-dt—indirecta
PyPImidas-ff-pipeline—indirecta
PyPImidas-grain-odf—indirecta
PyPImidas-joint-ff-calibrate—indirecta
PyPImidas-nf-fitorientation—indirecta
PyPImidas-nf-pipeline—indirecta
PyPImidas-nf-preprocess—indirecta
PyPImidas-pdf—indirecta
PyPImidas-pf-odf—indirecta
PyPImidas-plotting—indirecta
PyPImidas-propagate—indirecta
PyPImidas-uq—indirecta
PyPImidas-xaf—indirecta
PyPImultiprocess—indirecta
PyPInumcodecs—indirecta
PyPIpillow—indirecta
PyPIplotly—indirecta
PyPIpycifrw—indirecta
PyPIpyro-ppl—indirecta
PyPIpytest—indirecta
PyPIpytest-benchmark—indirecta
PyPIpytest-cov—indirecta
PyPIscikit-build-core—indirecta
PyPIsetuptools—indirecta
PyPIsr-midas—indirecta
PyPIstreamlit—indirecta
PyPItqdm—indirecta
Avisos de dependencias 0

Instalar pypi:midas-2d@0.3.3 arrastra 12 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 marinerhemant/MIDAS. Leer en paralelo →

50pdbeurope/investigationsThis application is designed to create mmcif files from facilities data.Moderado100Project-MONAI/MONAIAI Toolkit for Healthcare ImagingExcepcional100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorExcepcional100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional

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.