pytorch / ignite
High-level library to help with training and evaluating neural networks in PyTorch flexibly and transparently.
pytorch/ignite tiene un índice de salud de 95 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Engineering Quality (95/100) y la más baja, Security (46/100). Se actualizó por última vez hace 7 días. 3 personas concentran la mayor parte del trabajo reciente.
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.
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 82 se calibra a 95 en la escala publicada del índice (calibración del registro 2026-08-02).
Titularidad
Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.
Ecosistemas de paquetes
| Registro | Paquete | Versión | Descargas / mes | Versiones | Última publicación |
|---|---|---|---|---|---|
| PyPI | pytorch-ignite | 0.5.5 | 323.360 | 2407 | hace 17 días |
Métricas por categoría
Vitalidad
¿Está vivo el proyecto: se escribe código y se publican versiones?
Actividad de desarrollo
Cómo se puntúa
| 36/36 | Recencia de push — último push hace 7 días |
| 24.2/36 | Cadencia de commits — 35/52 semanas con commits |
| 18/18 | Volumen de commits — 198 commits en el último año |
| 0/10 | OpenSSF Scorecard: Maintained — sin datos |
Datos de entrada utilizados
| commits_last_year | 198 |
| human_commit_share | 0,98 |
| days_since_last_push | 7 |
| active_weeks_last_year | 35 |
Disciplina de publicación
Cómo se puntúa
| 27/27 | Publica versiones — 27 versiones publicadas |
| 36/36 | Recencia de las versiones — última versión hace 17 días |
| 12.6/27 | Cadencia de publicación — una versión cada ~157,4 días |
| 0/10 | OpenSSF Scorecard: Signed-Releases — sin datos |
Datos de entrada utilizados
| releases_count | 27 |
| latest_release_tag | v0.5.5 |
| releases_from_tags | no |
| days_since_latest_release | 17 |
| mean_days_between_releases | 157,4 |
Comunidad y Adopción
¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?
Popularidad y adopción
Cómo se puntúa
| 59.7/60 | Estrellas — 4772 estrellas |
| 23.8/25 | Forks — 713 forks |
| 9.7/15 | Observadores — 56 observadores |
Datos de entrada utilizados
| forks | 713 |
| stars | 4772 |
| watchers | 56 |
| growth_state | unverified |
| growth_factor_pct | 100 |
| growth_unverified_reason | no_history |
Salud de la comunidad
Cómo se puntúa
| 22.5/22.5 | README |
| 22.5/22.5 | Licencia — licencia reconocida (BSD-3-Clause) |
| 18/18 | Guía CONTRIBUTING |
| 13.5/13.5 | Código de conducta |
| 0/7.2 | Plantilla de issues |
| 6.3/6.3 | Plantilla de PR |
Datos de entrada utilizados
| has_readme | sí |
| has_license | sí |
| readme_badges | 17 |
| has_contributing | sí |
| has_issue_template | no |
| has_code_of_conduct | sí |
| readme_badge_services | codecov.io, github.com, shields.io, travis-ci.com |
| has_pull_request_template | sí |
Adopción en el ecosistema (descargas)
Cómo se puntúa
| 73.5/80 | Descargas mensuales — 323.360 descargas/mes en pypi |
| 0/20 | Dependientes en el registro — no lo informa este ecosistema |
Datos de entrada utilizados
| packages | pytorch-ignite |
| dependents | — |
| ecosystems | pypi |
| total_downloads | — |
| monthly_downloads | 323.360 |
| unverified_packages_excluded | — |
Sostenibilidad y Gobernanza
¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?
Cómo se puntúa
| 36/54 | Factor bus — la mitad de los commits recae en 3 contribuyente(s) |
| 13.1/22.5 | Distribución de commits — el principal contribuyente firma el 42% de los commits |
| 13.5/13.5 | Amplitud de contribuyentes — 97 contribuyentes |
| 0/10 | OpenSSF Scorecard: Contributors — sin datos |
Datos de entrada utilizados
| bus_factor | 3 |
| contributors_sampled | 97 |
| top_contributor_share | 0,418 |
Capacidad de respuesta a issues y PR
Cómo se puntúa
| 38.7/42 | Resolución de issues — 92% de issues cerradas |
| 25.3/30 | Aceptación de PR — 1895/2246 PR decididos fusionados |
| 0/13 | Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d |
| 0/15 | OpenSSF Scorecard: Code-Review — sin datos |
Datos de entrada utilizados
| merged_prs | 1895 |
| open_issues | 115 |
| closed_issues | 1346 |
| prs_merged_7d | 0 |
| prs_decided_7d | 0 |
| prs_merged_30d | 4 |
| prs_decided_30d | 4 |
| issue_closed_ratio | 0,921 |
| closed_unmerged_prs | 351 |
| first_time_authors_30d | 0 |
| first_time_prs_merged_30d | 0 |
| first_time_prs_decided_30d | 0 |
Propiedad y custodia
Cómo se puntúa
| 30/30 | Respaldo de la propiedad — propiedad de una organización |
| 0/20 | Dominio verificado — el estado de dominio verificado no se leyó para esta organización |
| 25/25 | Alcance del propietario — 13.479 seguidores de pytorch |
| 25/25 | Trayectoria — 70 repos públicos, cuenta de ~9 años |
Datos de entrada utilizados
| followers | 13.479 |
| owner_type | Organization |
| is_verified | — |
| owner_login | pytorch |
| public_repos | 70 |
| account_age_days | 3648 |
Mantenimiento de paquetes
Cómo se puntúa
| 25/25 | Publicado y resoluble — 1 paquete(s) en pypi |
| 35/35 | Recencia de publicación — última publicación hace 17 días |
| 20/20 | Historial de versiones — 2407 versiones en el registro |
| 20/20 | No obsoleto — activo, ni obsoleto ni retirado |
Datos de entrada utilizados
| packages | pytorch-ignite |
| ecosystems | pypi |
| any_deprecated | no |
| min_days_since_publish | 17 |
Calidad de Ingeniería
¿Existen unas prácticas mínimas de ingeniería y documentación?
Prácticas de ingeniería
Cómo se puntúa
| 24/24 | Flujos de trabajo de CI — 17 flujo(s) de trabajo |
| 24/24 | Pruebas presentes |
| 16/16 | Configuración de linter |
| 9.6/9.6 | Hooks de pre-commit |
| 0/6.4 | .editorconfig |
| 0/20 | OpenSSF Scorecard: CI-Tests — sin datos |
Datos de entrada utilizados
| has_ci | sí |
| has_tests | sí |
| has_editorconfig | no |
| has_linter_config | sí |
| has_precommit_config | sí |
Documentación
Cómo se puntúa
| 30/30 | README |
| 25/25 | Directorio de documentación |
| 15/15 | Sitio de documentación / página del proyecto — https://pytorch-ignite.ai |
| 10/10 | Descripción del repositorio |
| 10/10 | Topics — 8 topics |
| 10/10 | Wiki |
Datos de entrada utilizados
| topics | pytorch, neural-network, python, machine-learning, deep-learning, metrics, hacktoberfest, closember |
| has_wiki | sí |
| homepage | https://pytorch-ignite.ai |
| docs_site | https://pytorch-ignite.ai |
| has_readme | sí |
| has_docs_dir | sí |
| has_description | sí |
Seguridad
¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?
Postura de seguridad
Cómo se puntúa
| 0/30 | Política de seguridad (SECURITY.md) |
| 25/25 | Configuración de Dependabot |
| 0/25 | Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí |
| 0/20 | Flujo de trabajo de CodeQL |
Datos de entrada utilizados
| source | file_signals |
| lockfiles | — |
| manifests | docs/requirements.txt, pyproject.toml, requirements-dev.txt |
| has_codeql_workflow | no |
| has_security_policy | no |
| has_dependabot_config | sí |
Avisos de dependencias
Cómo se puntúa
| 35/35 | Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido |
| 25/25 | Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido |
| 0/40 | Sin avisos pendientes — ningún aviso tiene fecha de publicación |
Datos de entrada utilizados
| source | osv |
| advisories | 0 |
| affected_packages | 0 |
| assessed_packages | 2 |
| unassessed_packages | 0 |
| affected_by_severity | none |
| direct_affected_packages | 0 |
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.
Contexto y guía para agentes
Cómo se puntúa
| 0/45 | Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor |
| 0/15 | Documentación legible por máquinas (llms.txt) |
| 40/40 | Historial de commits legible — 97 de 98 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo) |
Datos de entrada utilizados
| has_llms_txt | no |
| llms_txt_url | — |
| legible_history_share | 0,99 |
| agent_instruction_files | — |
| agent_instruction_max_bytes | — |
Cómo se puntúa
| 18/18 | Arranque con un solo comando — docs/Makefile |
| 22/22 | Pruebas automatizadas |
| 11/11 | Configuración de lint / formato |
| 11/11 | Verificación estática de tipos — ignite/py.typed |
| 10/10 | Entorno reproducible — devcontainer, Dockerfile |
| 10/10 | Práctica demostrada con agentes — 11 de los últimos 100 commits con autoría o crédito de agente |
| 8/8 | Mantenimiento automatizado — 2 de los últimos 100 commits son actualizaciones automáticas de dependencias |
| 0/10 | OpenSSF Scorecard: Pinned-Dependencies — sin datos |
Datos de entrada utilizados
| has_nix | no |
| has_tests | sí |
| lockfiles | — |
| has_dockerfile | sí |
| typed_language | no |
| bootstrap_files | docs/Makefile |
| has_devcontainer | sí |
| has_linter_config | sí |
| typecheck_configs | ignite/py.typed |
| agent_commit_share | 0,11 |
| toolchain_manifests | — |
| dependency_bot_commit_share | 0,02 |
Legibilidad del código para modelos
Cómo se puntúa
| 27/45 | Código verificable por tipos — Python con configuración de verificación de tipos (ignite/py.typed) |
| 54.4/55 | Tamaños de archivo manejables — 4/361 archivos fuente de más de 60 KB |
Datos de entrada utilizados
| primary_language | Python |
| largest_source_bytes | 74.091 |
| source_files_sampled | 361 |
| oversized_source_files | 4 |
Cómo se puntúa
| 0/40 | Esquema de API (OpenAPI/GraphQL/proto) |
| 0/20 | Servidor MCP |
| 40/40 | Ejemplos ejecutables — examples, notebooks |
Datos de entrada utilizados
| example_dirs | examples, notebooks |
| has_mcp_signal | no |
| api_schema_files | — |
| interfaces_expected_of | network-service |
Datos clave
Advertencias de recopilación de datos
- Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
- OpenSSF Scorecard did not return a usable result (2026/08/09 07:36:59 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks
Más detalle
Historial de estrellas y forks 0 ★ / 713 ⇿
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.
Cada punto abarca 8 días.
Dependencias directas 2
| Registro | Paquete | Restricción de versión | Manifiesto |
|---|---|---|---|
| PyPI | torch | >=2.2,<3 | pyproject.toml |
| PyPI | packaging | — | pyproject.toml |
Todas las dependencias 82
Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 4 paquetes directos y 78 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.
| Registro | Paquete | Versión | Relación |
|---|---|---|---|
| PyPI | packaging | — | directa |
| PyPI | packaging | 26.2 | directa |
| PyPI | torch | — | directa |
| PyPI | torch | 2.12.1 | directa |
| PyPI | albumentations | — | indirecta |
| PyPI | clearml | — | indirecta |
| PyPI | cuda-bindings | 13.3.1 | indirecta |
| PyPI | cuda-pathfinder | 1.5.6 | indirecta |
| PyPI | cuda-toolkit | 13.0.2 | indirecta |
| PyPI | datasets | — | indirecta |
| PyPI | dill | — | indirecta |
| PyPI | docutils | 0.19 | indirecta |
| PyPI | fairlearn | — | indirecta |
| PyPI | filelock | — | indirecta |
| PyPI | filelock | 3.29.4 | indirecta |
| PyPI | fire | — | indirecta |
| PyPI | fsspec | 2026.6.0 | indirecta |
| PyPI | gymnasium | — | indirecta |
| PyPI | hatchling | — | indirecta |
| PyPI | image-dataset-viz | — | indirecta |
| PyPI | jinja2 | 3.1.6 | indirecta |
| PyPI | markupsafe | 3.0.3 | indirecta |
| PyPI | matplotlib | — | indirecta |
| PyPI | mlflow | 3.12.0 | indirecta |
| PyPI | mpmath | — | indirecta |
| PyPI | mpmath | 1.3.0 | indirecta |
| PyPI | neptune-client | — | indirecta |
| PyPI | networkx | 3.4.2 | indirecta |
| PyPI | networkx | 3.6.1 | indirecta |
| PyPI | nltk | — | indirecta |
| PyPI | numpy | — | indirecta |
| PyPI | nvidia-cublas | 13.1.1.3 | indirecta |
| PyPI | nvidia-cuda-cupti | 13.0.85 | indirecta |
| PyPI | nvidia-cuda-nvrtc | 13.0.88 | indirecta |
| PyPI | nvidia-cuda-runtime | 13.0.96 | indirecta |
| PyPI | nvidia-cudnn-cu13 | 9.20.0.48 | indirecta |
| PyPI | nvidia-cufft | 12.0.0.61 | indirecta |
| PyPI | nvidia-cufile | 1.15.1.6 | indirecta |
| PyPI | nvidia-curand | 10.4.0.35 | indirecta |
| PyPI | nvidia-cusolver | 12.0.4.66 | indirecta |
| PyPI | nvidia-cusparse | 12.6.3.3 | indirecta |
| PyPI | nvidia-cusparselt-cu13 | 0.8.1 | indirecta |
| PyPI | nvidia-nccl-cu13 | 2.29.7 | indirecta |
| PyPI | nvidia-nvjitlink | 13.0.88 | indirecta |
| PyPI | nvidia-nvshmem-cu13 | 3.4.5 | indirecta |
| PyPI | nvidia-nvtx | 13.0.85 | indirecta |
| PyPI | opencv-python-headless | — | indirecta |
| PyPI | pandas | — | indirecta |
| PyPI | polyaxon | — | indirecta |
| PyPI | pre-commit | — | indirecta |
| PyPI | py-config-runner | — | indirecta |
| PyPI | pycocotools | — | indirecta |
| PyPI | pynvml | — | indirecta |
| PyPI | pyrefly | — | indirecta |
| PyPI | pytest | — | indirecta |
| PyPI | pytest-cov | — | indirecta |
| PyPI | pytest-order | — | indirecta |
| PyPI | pytest-timeout | — | indirecta |
| PyPI | pytest-xdist | — | indirecta |
| PyPI | pytorch-ignite | — | indirecta |
| PyPI | pytorch-sphinx-theme | — | indirecta |
| PyPI | ranx | — | indirecta |
| PyPI | ray | — | indirecta |
| PyPI | scikit-image | — | indirecta |
| PyPI | scikit-learn | — | indirecta |
| PyPI | scipy | — | indirecta |
| PyPI | setuptools | — | indirecta |
| PyPI | setuptools | 81.0.0 | indirecta |
| PyPI | sphinx | 7 | indirecta |
| PyPI | sphinx-copybutton | 0.4.0 | indirecta |
| PyPI | sphinx-design | — | indirecta |
| PyPI | sphinx-togglebutton | — | indirecta |
| PyPI | sphinxcontrib-katex | — | indirecta |
| PyPI | sympy | 1.14.0 | indirecta |
| PyPI | tensorboard | — | indirecta |
| PyPI | tensorboardx | — | indirecta |
| PyPI | torchvision | — | indirecta |
| PyPI | tqdm | — | indirecta |
| PyPI | transformers | — | indirecta |
| PyPI | triton | 3.7.1 | indirecta |
| PyPI | typing-extensions | 4.15.0 | indirecta |
| PyPI | wandb | — | indirecta |
Avisos de dependencias 0
Instalar pypi:pytorch-ignite@0.5.5 arrastra 2 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.
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.