Registro público
Informe de salud del softwareesquema 0.12.0 · métricas 2.10.0 · 2026-07-18 11:55 UTC

meta-pytorch / torchx

TorchX is a universal job launcher for PyTorch applications. TorchX is designed to have fast iteration time for training/research and support for E2E production ML pipelines when you're ready.

PythonLicencia propia★ 427 estrellas⑂ 155 forksdesde may 2021Ver en GitHub ↗
#pytorch#machine-learning#kubernetes#slurm#distributed-training#pipelines#components#deep-learning#python#aws-batch#ray#airflow

meta-pytorch/torchx tiene un índice de salud de 91 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (92/100) y la más baja, Security (58/100). Se actualizó por última vez hoy. 3 personas concentran 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

Meta PyTorchOrganización
1389 seguidores58 repositorios públicosdesde jun 2022

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
PyPItorchxapunta a otro repositorio; no se puntúa0.7.0193.70617hace 731 díaspytorchmachine-learning

Métricas por categoría

Vitalidad

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

78Bueno · 21% del índice global

Actividad de desarrollo

95Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
31.2/36Cadencia de commits — 45/52 semanas con commits
18/18Volumen de commits — 159 commits en el último año
10/10OpenSSF Scorecard: Maintained — 22 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year159
human_commit_share—
days_since_last_push0
active_weeks_last_year45

Disciplina de publicación

52Moderado
Cómo se puntúa
27/27Publica versiones — 15 versiones publicadas
0/36Recencia de las versiones — última versión hace 731 días
19.8/27Cadencia de publicación — una versión cada ~111,3 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count15
latest_release_tagv0.7.0
releases_from_tagsno
days_since_latest_release731
mean_days_between_releases111,3
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?

76Bueno · 17% del índice global

Popularidad y adopción

67Bueno
Cómo se puntúa
42.7/60Estrellas — 427 estrellas
18.2/25Forks — 155 forks
6.5/15Observadores — 16 observadores
Datos de entrada utilizados
forks155
stars427
watchers16
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

86Excelente
Cómo se puntúa
22.5/22.5README
16.9/22.5Licencia — archivo de licencia presente, no es una licencia reconocida
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_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

Sostenibilidad y Gobernanza

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

76Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

76Bueno
Cómo se puntúa
36/54Factor bus — la mitad de los commits recae en 3 contribuyente(s)
16.1/22.5Distribución de commits — el principal contribuyente firma el 29% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 21 contributing companies or organizations
Datos de entrada utilizados
bus_factor3
contributors_sampled99
top_contributor_share0,286

Capacidad de respuesta a issues y PR

61Moderado
Cómo se puntúa
28.1/42Resolución de issues — 67% de issues cerradas
12.6/30Aceptación de PR — 434/1036 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
12/15OpenSSF Scorecard: Code-Review — Found 22/27 approved changesets -- score normalized to 8
Datos de entrada utilizados
merged_prs434
open_issues68
closed_issues137
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,668
closed_unmerged_prs602
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

92Excelente
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
22.6/25Alcance del propietario — 1389 seguidores de meta-pytorch
21.1/25Trayectoria — 58 repos públicos, cuenta de ~4 años
Datos de entrada utilizados
followers1389
owner_typeOrganization
is_verified—
owner_loginmeta-pytorch
public_repos58
account_age_days1499
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

92Excelente · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 10 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
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://pytorch.org/torchx
10/10Descripción del repositorio
10/10Topics — 12 topics
0/10Wiki
Datos de entrada utilizados
topicspytorch, machine-learning, kubernetes, slurm, distributed-training, pipelines, components, deep-learning, python, aws-batch, ray, airflow
has_wikino
homepagehttps://pytorch.org/torchx
docs_sitehttps://pytorch.org/torchx
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?

58Moderado · 16% del índice global

Postura de seguridad

58Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
6/7.5Code-Review — Found 22/27 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 21 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
2.2/2.5Licencia — license file detected
7.5/7.5Maintained — 22 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
4/5SAST — SAST tool is not run on all commits -- score normalized to 8
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 — 39 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,8
Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

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.

75Bueno · 4% del índice global

Contexto y guía para agentes

75Bueno
Cómo se puntúa
45/45Instrucciones para agentes — .claude/CLAUDE.md
0/15Documentación legible por máquinas (llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share—
agent_instruction_files.claude/CLAUDE.md
agent_instruction_max_bytes1532
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

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

73Bueno
Cómo se puntúa
18/18Arranque con un solo comando — docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile, lockfile
0/10Práctica demostrada con agentes — sin datos
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesdocs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.8/55Tamaños de archivo manejables — 1/231 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes68.380
source_files_sampled231
oversized_source_files1

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

427estrellas de GitHub
99contribuidores
159commits en los últimos 12 meses
0días desde el último push
15versiones publicadas
3factor bus
68issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • pypi package 'torchx' points at a different repository (https://github.com/pytorch/torchx); excluded from ecosystem scoring

Más detalle

OpenSSF Scorecard 5.8 / 10
5.8agregado

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 · 2026-07-18 11:55 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 22/27 approved changesets -- score normalized to 8
10Contributorsproject has 21 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained22 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
8SASTSAST tool is not run on all commits -- score normalized to 8
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities39 existing vulnerabilities detected
Dependencias directas 7
RegistroPaqueteRestricción de versiónManifiesto
PyPIdocstring-parser>=0.8.1pyproject.toml
PyPIpyyaml—pyproject.toml
PyPIdocker—pyproject.toml
PyPIfilelock—pyproject.toml
PyPIfsspec>=2023.10.0pyproject.toml
PyPItabulate—pyproject.toml
PyPItyping-extensions—pyproject.toml
Todas las dependencias 237

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 7 paquetes directos y 230 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIdocker7.1.0directa
PyPIdocstring-parser0.17.0directa
PyPIfilelock3.20.3directa
PyPIfsspec2026.2.0directa
PyPIpyyaml6.0.3directa
PyPItabulate0.9.0directa
PyPItyping-extensions4.15.0directa
PyPIabsl-py2.3.1indirecta
PyPIaiobotocore3.1.2indirecta
PyPIaiohappyeyeballs2.6.1indirecta
PyPIaiohttp3.14.1indirecta
PyPIaioitertools0.13.0indirecta
PyPIaiosignal1.4.0indirecta
PyPIalembic1.18.4indirecta
PyPIannotated-doc0.0.4indirecta
PyPIannotated-types0.7.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIanyio4.12.1indirecta
PyPIasttokens3.0.1indirecta
PyPIasync-timeout5.0.1indirecta
PyPIattrs23.2.0indirecta
PyPIax-platform0.2.3indirecta
PyPIbcrypt5.0.0indirecta
PyPIblack25.11.0indirecta
PyPIblinker1.9.0indirecta
PyPIboto31.42.42indirecta
PyPIbotocore1.42.42indirecta
PyPIbotorch0.6.0indirecta
PyPIcachetools6.2.4indirecta
PyPIcaptum0.8.0indirecta
PyPIcertifi2026.1.4indirecta
PyPIcffi2.0.0indirecta
PyPIcharset-normalizer3.4.4indirecta
PyPIclick8.1.8indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcontourpy1.3.2indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage7.13.1indirecta
PyPIcryptography46.0.7indirecta
PyPIcuda-bindings12.9.4indirecta
PyPIcuda-pathfinder1.3.3indirecta
PyPIcycler0.12.1indirecta
PyPIdatabricks-sdk0.80.0indirecta
PyPIdataclasses-json0.5.7indirecta
PyPIdecorator5.2.1indirecta
PyPIenum-compat0.0.3indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexecuting2.2.1indirecta
PyPIfastapi0.137.1indirecta
PyPIflask3.1.2indirecta
PyPIflask-cors6.0.2indirecta
PyPIfonttools4.61.1indirecta
PyPIfrozenlist1.8.0indirecta
PyPIgitdb4.0.12indirecta
PyPIgitpython3.1.46indirecta
PyPIgoogle-auth2.47.0indirecta
PyPIgoogle-auth-oauthlib1.0.0indirecta
PyPIgpytorch1.15.1indirecta
PyPIgraphene3.4.3indirecta
PyPIgraphql-core3.2.7indirecta
PyPIgraphql-relay3.2.0indirecta
PyPIgreenlet3.3.1indirecta
PyPIgrpcio1.76.0indirecta
PyPIgunicorn23.0.0indirecta
PyPIh110.16.0indirecta
PyPIhuey2.6.0indirecta
PyPIhydra-core1.3.2indirecta
PyPIidna3.18indirecta
PyPIimportlib-metadata6.11.0indirecta
PyPIiniconfig2.3.0indirecta
PyPIinvoke2.2.1indirecta
PyPIipython8.38.0indirecta
PyPIipython9.9.0indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIitsdangerous2.2.0indirecta
PyPIjaxtyping0.3.6indirecta
PyPIjedi0.19.2indirecta
PyPIjinja2—indirecta
PyPIjinja23.1.6indirecta
PyPIjmespath1.1.0indirecta
PyPIjoblib1.5.3indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIkiwisolver1.4.9indirecta
PyPIkubernetes25.3.0indirecta
PyPIlibcst1.8.6indirecta
PyPIlightning-utilities0.15.2indirecta
PyPIlinear-operator0.6indirecta
PyPIlintrunner0.13.0indirecta
PyPIlintrunner-adapters0.13.0indirecta
PyPImako1.3.12indirecta
PyPImarkdown3.10.1indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImarshmallow3.26.2indirecta
PyPImarshmallow-enum1.5.1indirecta
PyPImatplotlib3.10.8indirecta
PyPImatplotlib-inline0.2.1indirecta
PyPImdurl0.1.2indirecta
PyPImlflow3.13.0indirecta
PyPImlflow-skinny3.13.0indirecta
PyPImlflow-tracing3.13.0indirecta
PyPImock4.0.3indirecta
PyPImoto5.0.28indirecta
PyPImpmath1.3.0indirecta
PyPImultidict6.7.0indirecta
PyPImypy-extensions1.1.0indirecta
PyPInarwhals2.15.0indirecta
PyPInest-asyncio1.6.0indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPInumpy1.26.4indirecta
PyPInvidia-cublas-cu1212.8.4.1indirecta
PyPInvidia-cuda-cupti-cu1212.8.90indirecta
PyPInvidia-cuda-nvrtc-cu1212.8.93indirecta
PyPInvidia-cuda-runtime-cu1212.8.90indirecta
PyPInvidia-cudnn-cu129.10.2.21indirecta
PyPInvidia-cufft-cu1211.3.3.83indirecta
PyPInvidia-cufile-cu121.13.1.3indirecta
PyPInvidia-curand-cu1210.3.9.90indirecta
PyPInvidia-cusolver-cu1211.7.3.90indirecta
PyPInvidia-cusparse-cu1212.5.8.93indirecta
PyPInvidia-cusparselt-cu120.7.1indirecta
PyPInvidia-nccl-cu122.27.5indirecta
PyPInvidia-nvjitlink-cu1212.8.93indirecta
PyPInvidia-nvshmem-cu123.4.5indirecta
PyPInvidia-nvtx-cu1212.8.90indirecta
PyPIoauthlib3.3.1indirecta
PyPIomegaconf2.2.3indirecta
PyPIopentelemetry-api1.39.1indirecta
PyPIopentelemetry-proto1.39.1indirecta
PyPIopentelemetry-sdk1.39.1indirecta
PyPIopentelemetry-semantic-conventions0.60b1indirecta
PyPIpackaging25.0indirecta
PyPIpandas2.3.3indirecta
PyPIparamiko4.0.0indirecta
PyPIparso0.8.5indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.1.0indirecta
PyPIpip25.3indirecta
PyPIplatformdirs4.5.1indirecta
PyPIplotly6.5.2indirecta
PyPIpluggy1.6.0indirecta
PyPIprettytable3.17.0indirecta
PyPIprompt-toolkit3.0.52indirecta
PyPIpropcache0.4.1indirecta
PyPIprotobuf5.29.5indirecta
PyPIpsutil7.2.1indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpyarrow24.0.0indirecta
PyPIpyasn10.6.3indirecta
PyPIpyasn1-modules0.4.2indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.12.5indirecta
PyPIpydantic-core2.41.5indirecta
PyPIpygments2.19.2indirecta
PyPIpynacl1.6.2indirecta
PyPIpyparsing3.3.2indirecta
PyPIpyre-check0.9.25indirecta
PyPIpyre-extensions0.0.32indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-dotenv1.2.1indirecta
PyPIpytorch-lightning2.5.0indirecta
PyPIpytorch-sphinx-theme—indirecta
PyPIpytz2025.2indirecta
PyPIpywin32311indirecta
PyPIpyyaml-ft8.0.0indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.34.2indirecta
PyPIrequests-oauthlib2.0.0indirecta
PyPIresponses0.25.8indirecta
PyPIrich13.9.4indirecta
PyPIrpds-py0.30.0indirecta
PyPIrsa4.9.1indirecta
PyPIruff-api0.2.0indirecta
PyPIs3fs2026.2.0indirecta
PyPIs3transfer0.16.0indirecta
PyPIsagemaker-core2.4.1indirecta
PyPIsagemaker-mlflow0.2.0indirecta
PyPIsagemaker-train1.4.1indirecta
PyPIschema0.7.8indirecta
PyPIscikit-learn1.7.2indirecta
PyPIscikit-learn1.8.0indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.17.0indirecta
PyPIsetuptools80.10.1indirecta
PyPIsix1.17.0indirecta
PyPIskops0.14.0indirecta
PyPIsmdebug-rulesconfig1.0.1indirecta
PyPIsmmap5.0.2indirecta
PyPIsphinx—indirecta
PyPIsphinxcontrib-katex—indirecta
PyPIsqlalchemy2.0.46indirecta
PyPIsqlparse0.5.5indirecta
PyPIstack-data0.6.3indirecta
PyPIstarlette1.3.1indirecta
PyPIstdlibs2025.10.28indirecta
PyPIsympy1.14.0indirecta
PyPItblib3.2.2indirecta
PyPItensorboard2.14.0indirecta
PyPItensorboard-data-server0.7.2indirecta
PyPItestslide2.7.0indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItomli2.4.0indirecta
PyPItomli-w1.2.0indirecta
PyPItorch2.10.0indirecta
PyPItorch-model-archiver0.12.0indirecta
PyPItorchmetrics1.6.3indirecta
PyPItorchserve0.12.0indirecta
PyPItorchtext0.18.0indirecta
PyPItorchvision0.25.0indirecta
PyPItqdm4.67.1indirecta
PyPItraitlets5.14.3indirecta
PyPItriton3.6.0indirecta
PyPIts0.5.1indirecta
PyPItypeguard4.4.4indirecta
PyPItyping-inspect0.9.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2025.3indirecta
PyPIufmt2.9.0indirecta
PyPIurllib32.6.3indirecta
PyPIusort1.1.0indirecta
PyPIuvicorn0.40.0indirecta
PyPIwadler-lindig0.1.7indirecta
PyPIwaitress3.0.2indirecta
PyPIwcwidth0.3.3indirecta
PyPIwebsocket-client1.9.0indirecta
PyPIwerkzeug3.1.5indirecta
PyPIwheel0.46.3indirecta
PyPIwrapt1.17.3indirecta
PyPIxmltodict1.0.2indirecta
PyPIyarl1.22.0indirecta
PyPIzipp3.23.0indirecta
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 meta-pytorch/torchx. Leer en paralelo →

100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsExcepcional99argoproj/argo-workflowsWorkflow Engine for KubernetesExcepcional99huggingface/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. Excepcional98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional

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 v0.12.0 — metodología completa · wiki de métricas.

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