Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-14 19:34 UTC

pytorch / TensorRT

PyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRT

Python · Jupyter Notebook · C++BSD-3-Clause★ 2993 estrellas⑂ 410 forksdesde mar 2020Ver en GitHub ↗
TipoBibliotecaHerramienta de línea de comandoscómo se determina
#tensorrt#libtorch#machine-learning#pytorch#deep-learning#jetson#nvidia#cuda

pytorch/TensorRT tiene un índice de salud de 94 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, Security (40/100). Se actualizó por última vez hoy. 2 personas concentran la mayor parte del trabajo reciente.

94
global / 100
Excepcional

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.

94
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 80 se calibra a 94 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

pytorchOrganización · dominio verificado
13.633 seguidores70 repositorios públicosdesde ago 2016

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
PyPItorch-tensorrt-rtx2.13.0-5hace 47 díaspytorchtorchtensorrttrtaiartificial-intelligencemlmachine-learningdldeep-learningcompilerdynamotorchscriptinference
PyPItorch_tensorrt2.13.022.13118hace 47 díaspytorchtorchtensorrttrtaiartificial-intelligencemlmachine-learningdldeep-learningcompilerdynamotorchscriptinference

Métricas por categoría

Vitalidad

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

96Excepcional · 21% del índice global

Actividad de desarrollo

98Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
33.9/36Cadencia de commits — 49/52 semanas con commits
18/18Volumen de commits — 641 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year641
human_commit_share1
days_since_last_push0
active_weeks_last_year49

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 29 versiones publicadas
36/36Recencia de las versiones — última versión hace 4 días
19.8/27Cadencia de publicación — una versión cada ~54,5 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count29
latest_release_tagv2.14.0
releases_from_tagsno
days_since_latest_release4
mean_days_between_releases54,5

Comunidad y Adopción

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

85Excelente · 17% del índice global

Popularidad y adopción

88Excelente
Cómo se puntúa
56.4/60Estrellas — 2993 estrellas
21.8/25Forks — 410 forks
10/15Observadores — 65 observadores
Datos de entrada utilizados
forks410
stars2993
watchers65
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 (BSD-3-Clause)
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_badges8
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

72Bueno
Cómo se puntúa
57.9/80Descargas mensuales — 22.131 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagestorch-tensorrt-rtx, torch_tensorrt
dependents—
ecosystemspypi
total_downloads—
monthly_downloads22.131
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?

80Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

58Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
13.7/22.5Distribución de commits — el principal contribuyente firma el 39% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor2
contributors_sampled99
top_contributor_share0,39

Capacidad de respuesta a issues y PR

72Bueno
Cómo se puntúa
37/42Resolución de issues — 88% de issues cerradas
24.2/30Aceptación de PR — 2031/2516 PR decididos fusionados
0/13Newcomer PR acceptance — 0/2 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs2031
open_issues231
closed_issues1698
prs_merged_7d7
prs_decided_7d7
prs_merged_30d50
prs_decided_30d60
issue_closed_ratio0,88
closed_unmerged_prs485
first_time_authors_30d2
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
25/25Alcance del propietario — 13.633 seguidores de pytorch
25/25Trayectoria — 70 repos públicos, cuenta de ~10 años
Datos de entrada utilizados
followers13.633
owner_typeOrganization
is_verifiedsí
owner_loginpytorch
public_repos70
account_age_days3684

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 2 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 47 días
20/20Historial de versiones — 18 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagestorch-tensorrt-rtx, torch_tensorrt
ecosystemspypi
any_deprecatedno
min_days_since_publish47

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

95Excepcional · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 26 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
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

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://pytorch.org/TensorRT
10/10Descripción del repositorio
10/10Topics — 8 topics
10/10Wiki
Datos de entrada utilizados
topicstensorrt, libtorch, machine-learning, pytorch, deep-learning, jetson, nvidia, cuda
has_wikisí
homepagehttps://pytorch.org/TensorRT
docs_sitehttps://pytorch.org/TensorRT
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)
0/25Configuración de Dependabot
25/25Lockfiles de dependencias — package-lock.json, uv.lock
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfilespackage-lock.json, uv.lock
manifestsdocsrc/requirements.txt, py/requirements.txt, pyproject.toml, requirements-dev.txt, setup.py
has_codeql_workflowno
has_security_policyno
has_dependabot_configno

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_packages37
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:torch-tensorrt-rtx@2.13.0 —lo que arrastra la instalación del paquete publicado—: 37 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.

75Bueno · 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://pytorch.org/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_txtsí
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share0,94
agent_instruction_files—
agent_instruction_max_bytes—

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

80Excelente
Cómo se puntúa
18/18Arranque con un solo comando — docsrc/Makefile, examples/int8/ptq/Makefile, examples/int8/qat/Makefile, examples/torchtrt_aoti_example/Makefile, examples/torchtrt_runtime_example/Makefile, justfile, noxfile.py
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
11/11Verificación estática de tipos — .github/actions/assigner/tsconfig.json
10/10Entorno reproducible — Dockerfile, lockfile
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 — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfilespackage-lock.json, uv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesdocsrc/Makefile, examples/int8/ptq/Makefile, examples/int8/qat/Makefile, examples/torchtrt_aoti_example/Makefile, examples/torchtrt_runtime_example/Makefile, justfile, noxfile.py
has_devcontainerno
has_linter_configsí
typecheck_configs.github/actions/assigner/tsconfig.json
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

76Bueno
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (.github/actions/assigner/tsconfig.json)
49.4/55Tamaños de archivo manejables — 537/5254 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes555.307
source_files_sampled5254
oversized_source_files537

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, notebooks
Datos de entrada utilizados
example_dirsexamples, 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

2993estrellas de GitHub
99contribuidores
641commits en los últimos 12 meses
0días desde el último push
29versiones publicadas
2factor bus
231issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'torch-tensorrt-rtx' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 410 ⇿
0Estrellas
410Forks
28Versiones

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.

010020030040050040382020-032023-062026-08
Mayor 1Menor 20Parche 7

Cada punto abarca 6 días.

Todas las dependencias 304

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 304 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
npm@actions/core1.11.1indirecta
npm@actions/exec1.1.1indirecta
npm@actions/github6.0.0indirecta
npm@actions/http-client2.2.3indirecta
npm@actions/io1.1.3indirecta
npm@fastify/busboy2.1.1indirecta
npm@octokit/auth-token4.0.0indirecta
npm@octokit/core5.2.0indirecta
npm@octokit/endpoint9.0.6indirecta
npm@octokit/graphql7.1.0indirecta
npm@octokit/openapi-types20.0.0indirecta
npm@octokit/openapi-types23.0.1indirecta
npm@octokit/plugin-paginate-rest9.2.2indirecta
npm@octokit/plugin-rest-endpoint-methods10.4.1indirecta
npm@octokit/request8.4.1indirecta
npm@octokit/request-error5.1.1indirecta
npm@octokit/types12.6.0indirecta
npm@octokit/types13.8.0indirecta
npm@types/node17.0.35indirecta
npm@vercel/ncc0.33.4indirecta
npmargparse2.0.1indirecta
npmbefore-after-hook2.2.3indirecta
npmdeprecation2.3.1indirecta
npmfs0.0.1-securityindirecta
npmjs-yaml4.1.1indirecta
npmonce1.4.0indirecta
npmprettier2.6.2indirecta
npmtunnel0.0.6indirecta
npmtypescript4.6.4indirecta
npmundici5.29.0indirecta
npmuniversal-user-agent6.0.1indirecta
npmwrappy1.0.2indirecta
PyPIaccelerate1.14.0indirecta
PyPIaccessible-pygments0.0.5indirecta
PyPIaiohappyeyeballs2.7.1indirecta
PyPIaiohttp3.14.3indirecta
PyPIaiosignal1.4.0indirecta
PyPIalabaster0.7.16indirecta
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIanyio4.15.0indirecta
PyPIapache-tvm-ffi0.1.13.post3indirecta
PyPIargparse—indirecta
PyPIast-serialize0.9.0indirecta
PyPIasync-timeout5.0.1indirecta
PyPIattrs26.1.0indirecta
PyPIbabel2.18.0indirecta
PyPIbackports-strenum1.3.1indirecta
PyPIbeautifulsoup44.15.0indirecta
PyPIblack—indirecta
PyPIblack26.5.1indirecta
PyPIbleach6.4.0indirecta
PyPIbreathe4.36.0indirecta
PyPIcattrs26.1.0indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.1indirecta
PyPIcfgv3.5.0indirecta
PyPIcharset-normalizer3.5.1indirecta
PyPIclang-format14.0.6indirecta
PyPIclick8.5.0indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcoremltools9.0indirecta
PyPIcuda-bindings13.2.0indirecta
PyPIcuda-core1.2.0indirecta
PyPIcuda-pathfinder1.8.1indirecta
PyPIcuda-python13.2.0indirecta
PyPIcuda-tile1.5.0indirecta
PyPIcuda-toolkit13.0.3.0indirecta
PyPIcupy13.1.0indirecta
PyPIdatasets5.0.1indirecta
PyPIdeepspeed0.19.6indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdiffusers0.40.0indirecta
PyPIdill0.4.1indirecta
PyPIdistlib0.4.3indirecta
PyPIdllist—indirecta
PyPIdllist2.0.0indirecta
PyPIdocutils0.20indirecta
PyPIeinops0.8.2indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexecnet2.1.2indirecta
PyPIexecutorch1.4.1indirecta
PyPIexhale0.3.7indirecta
PyPIexpecttest—indirecta
PyPIexpecttest0.1.6indirecta
PyPIfastjsonschema2.22.2indirecta
PyPIfilelock—indirecta
PyPIfilelock3.32.5indirecta
PyPIflashinfer-python0.6.18.post1indirecta
PyPIflatbuffers25.12.19indirecta
PyPIfrozenlist1.8.0indirecta
PyPIfsspec2026.6.0indirecta
PyPIfsspec2026.7.0indirecta
PyPIgraphviz0.21indirecta
PyPIh110.16.0indirecta
PyPIhf-xet1.6.0indirecta
PyPIhjson3.1.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhuggingface-hub—indirecta
PyPIhuggingface-hub1.30.0indirecta
PyPIhydra-core1.3.6indirecta
PyPIhypothesis6.167.1indirecta
PyPIidentify2.6.19indirecta
PyPIidna3.19indirecta
PyPIimagesize2.0.1indirecta
PyPIimportlib-metadata9.0.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIisort—indirecta
PyPIisort9.0.1indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.6.0indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIjupyter-client8.10.0indirecta
PyPIjupyter-core5.9.1indirecta
PyPIjupyterlab-pygments0.3.0indirecta
PyPIkgb7.3indirecta
PyPIlibrt0.15.0indirecta
PyPIlxml6.1.3indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.2indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib—indirecta
PyPImdurl0.1.2indirecta
PyPImistune3.3.4indirecta
PyPImonai1.6.0indirecta
PyPImpmath1.3.0indirecta
PyPImsgpack1.2.2indirecta
PyPImultidict6.7.1indirecta
PyPImultiprocess0.70.19indirecta
PyPImypy—indirecta
PyPImypy2.3.1indirecta
PyPImypy-extensions1.1.0indirecta
PyPInarwhals2.25.0indirecta
PyPInbclient0.11.0indirecta
PyPInbconvert7.17.1indirecta
PyPInbformat5.11.1indirecta
PyPInbsphinx0.9.3indirecta
PyPInccl4py0.5.0indirecta
PyPInetworkx—indirecta
PyPInetworkx2.8.8indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPIninja1.13.2indirecta
PyPInltk3.10.3indirecta
PyPInodeenv1.10.0indirecta
PyPInumpy—indirecta
PyPInumpy2.2.6indirecta
PyPInumpy2.4.6indirecta
PyPInumpy2.5.2indirecta
PyPInvidia-cublas13.1.1.3indirecta
PyPInvidia-cuda-cupti13.0.85indirecta
PyPInvidia-cuda-nvdisasm13.3.73indirecta
PyPInvidia-cuda-nvrtc13.0.88indirecta
PyPInvidia-cuda-runtime13.0.96indirecta
PyPInvidia-cudnn-cu139.25.1.1indirecta
PyPInvidia-cudnn-frontend1.28.0indirecta
PyPInvidia-cufft12.0.0.61indirecta
PyPInvidia-cufile1.15.1.6indirecta
PyPInvidia-cusolver12.0.4.66indirecta
PyPInvidia-cusparse12.6.3.3indirecta
PyPInvidia-cusparselt-cu130.8.1indirecta
PyPInvidia-cutlass-dsl4.7.1indirecta
PyPInvidia-cutlass-dsl-libs-base4.7.1indirecta
PyPInvidia-cutlass-dsl-libs-core4.7.1indirecta
PyPInvidia-cutlass-dsl-libs-cu124.7.1indirecta
PyPInvidia-ml-py13.610.43indirecta
PyPInvidia-modelopt—indirecta
PyPInvidia-modelopt0.46.0indirecta
PyPInvidia-nccl-cu132.30.7indirecta
PyPInvidia-nvjitlink13.3.33indirecta
PyPInvidia-nvshmem-cu133.4.5indirecta
PyPInvidia-nvtx13.0.85indirecta
PyPInvidia-pyindex—indirecta
PyPIomegaconf2.3.1indirecta
PyPIonnx—indirecta
PyPIopencv-python—indirecta
PyPIpackaging—indirecta
PyPIpackaging26.3indirecta
PyPIpandas—indirecta
PyPIpandas2.3.3indirecta
PyPIpandas3.0.5indirecta
PyPIpandocfilters1.5.1indirecta
PyPIparameterized—indirecta
PyPIparameterized0.9.0indirecta
PyPIpathspec1.1.1indirecta
PyPIpeft0.20.0indirecta
PyPIpillow—indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.11.7indirecta
PyPIpluggy1.6.0indirecta
PyPIpre-commit—indirecta
PyPIpre-commit4.6.2indirecta
PyPIpropcache0.5.2indirecta
PyPIprotobuf3.20.*indirecta
PyPIprotobuf7.36.1indirecta
PyPIpsutil7.2.2indirecta
PyPIpulp3.3.2indirecta
PyPIpy-cpuinfo9.0.0indirecta
PyPIpyaml26.7.0indirecta
PyPIpyarrow25.0.1indirecta
PyPIpybind112.6.2indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.13.5indirecta
PyPIpydantic-core2.46.5indirecta
PyPIpydata-sphinx-theme0.15.4indirecta
PyPIpydot4.0.1indirecta
PyPIpygithub—indirecta
PyPIpygments2.21.0indirecta
PyPIpyparsing3.3.2indirecta
PyPIpytest—indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-forked1.7.5indirecta
PyPIpytest-github-actions-annotate-failures0.4.2indirecta
PyPIpytest-rerunfailures16.6.1indirecta
PyPIpytest-xdist—indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.6.0indirecta
PyPIpytokens0.4.1indirecta
PyPIpytorch-sphinx-theme20.4.4indirecta
PyPIpytorch-tokenizers1.4.1indirecta
PyPIpytz2026.3.post1indirecta
PyPIpyyaml—indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyzmq27.2.0indirecta
PyPIreferencing0.37.0indirecta
PyPIregex2026.9.3indirecta
PyPIrequests2.34.2indirecta
PyPIrich15.0.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIrpds-py2026.6.3indirecta
PyPIruamel-yaml0.19.1indirecta
PyPIruff—indirecta
PyPIruff0.16.6indirecta
PyPIsafetensors0.8.0indirecta
PyPIscikit-learn1.7.2indirecta
PyPIscikit-learn1.9.0indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.17.1indirecta
PyPIscipy1.18.1indirecta
PyPIsentencepiece0.2.2indirecta
PyPIsetuptools—indirecta
PyPIsetuptools83.0.0indirecta
PyPIsetuptools84.0.0indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIsnowballstemmer3.1.1indirecta
PyPIsortedcontainers2.4.0indirecta
PyPIsoupsieve2.9.2indirecta
PyPIsphinx7.2.6indirecta
PyPIsphinx-gallery0.13.0indirecta
PyPIsphinxcontrib-applehelp2.0.0indirecta
PyPIsphinxcontrib-devhelp2.0.0indirecta
PyPIsphinxcontrib-htmlhelp2.1.0indirecta
PyPIsphinxcontrib-jsmath1.0.1indirecta
PyPIsphinxcontrib-qthelp2.0.0indirecta
PyPIsphinxcontrib-serializinghtml2.0.0indirecta
PyPIsympy1.14.0indirecta
PyPItabulate0.10.0indirecta
PyPItensorboard—indirecta
PyPItensorrt-cu1311.3.0.99indirecta
PyPItensorrt-cu13-bindings11.3.0.99indirecta
PyPItensorrt-cu13-libs11.3.0.99indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItiktoken0.14.0indirecta
PyPItimm—indirecta
PyPItimm0.9.12indirecta
PyPItimm0.9.8indirecta
PyPItimm1.0.29indirecta
PyPItinycss21.5.1indirecta
PyPItokenizers0.22.2indirecta
PyPItokenizers0.23.2indirecta
PyPItomli2.4.1indirecta
PyPItorch—indirecta
PyPItorch2.15.0.dev20260903+cu130indirecta
PyPItorchao0.18.0indirecta
PyPItorchvision—indirecta
PyPItorchvision0.30.0.dev20260904+cu130indirecta
PyPItornado6.5.8indirecta
PyPItqdm—indirecta
PyPItqdm4.70.0indirecta
PyPItraitlets5.16.1indirecta
PyPItransformers—indirecta
PyPItransformers5.14.1indirecta
PyPItransformers5.16.1indirecta
PyPItriton2.3.0indirecta
PyPItriton3.8.0+gitc01b6774indirecta
PyPItyper0.27.2indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPItypos1.50.1indirecta
PyPItzdata2026.3indirecta
PyPIurllib32.7.0indirecta
PyPIvirtualenv21.7.8indirecta
PyPIwebencodings0.6.1indirecta
PyPIwheel—indirecta
PyPIwonderwords3.0.1indirecta
PyPIxxhash4.0.1indirecta
PyPIyarl1.24.5indirecta
PyPIzipp4.1.0indirecta
Avisos de dependencias 0

Instalar pypi:torch-tensorrt-rtx@2.13.0 arrastra 37 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 pytorch/TensorRT. Leer en paralelo →

100onnx/onnxOpen standard for machine learning interoperabilityExcepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsExcepcional98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Excepcional97roboflow/rf-detrRF-DETR is a real-time object detection and segmentation model architecture developed by Roboflow, SOTA on COCO, designed for fine-tuning. [ICLR 2026] Excepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.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.