Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-20 02:02 UTC

Lightning-AI / torchmetrics

Machine learning metrics for distributed, scalable PyTorch applications.

PythonApache-2.0★ 2 473 зірки⑂ 526 форківз груд. 2020 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#python#data-science#machine-learning#pytorch#deep-learning#metrics#analyses

Lightning-AI/torchmetrics має індекс здоров’я 90 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Community & Adoption (92/100), найнижчий — Security (40/100). Останнє оновлення було 5 днів тому. Більшість нещодавньої роботи виконують 2 учасники.

90
загалом / 100
Відмінний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

90
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 76 калібровано до 90 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

⚡️ Lightning AI Організація
6 868 підписників30 публічних репозиторіївз груд. 2019 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPItorchmetrics1.9.011 497 31173194 дні томуdeep-learningmachine-learningpytorchmetricsai

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

75Добрий · 21% загального індексу

Активність розробки

73Добрий
Як обчислюється оцінка
36/36Свіжість push — останній push 5 дн. тому
13.8/36Ритм комітів — 20/52 тижнів із комітами
16/18Обсяг комітів — 60 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year60
human_commit_share0,59
days_since_last_push5
active_weeks_last_year20

Дисципліна релізів

78Добрий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 65 релізів
16.2/36Свіжість релізів — останній реліз 194 дн. тому
27/27Ритм релізів — реліз кожні ~40 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count65
latest_release_tagv1.9.0
releases_from_tagsні
days_since_latest_release194
mean_days_between_releases40

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

92Відмінний · 17% загального індексу

Популярність і впровадження

86Відмінний
Як обчислюється оцінка
55/60Зірки — 2 473 зірок
22.7/25Форки — 526 форків
7.8/15Спостерігачі — 26 спостерігачів
Використані вхідні дані
forks526
stars2 473
watchers26
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges10
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com, github.com, readthedocs.org, shields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 11 497 311 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagestorchmetrics
dependents—
ecosystemspypi
total_downloads—
monthly_downloads11 497 311
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

75Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

57Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
12.9/22.5Розподіл комітів — головний контриб’ютор — автор 43% комітів
13.5/13.5Широта контриб’юторів — 97 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor2
contributors_sampled97
top_contributor_share0,426

Реактивність на issue та PR

81Відмінний
Як обчислюється оцінка
37.7/42Вирішення issue — закрито 90% issue
27/30Прийняття PR — злито 1 924/2 135 вирішених PR
4.3/13Newcomer PR acceptance — злито 5/15 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs1 924
open_issues107
closed_issues930
prs_merged_7d0
prs_decided_7d0
prs_merged_30d9
prs_decided_30d20
issue_closed_ratio0,897
closed_unmerged_prs211
first_time_authors_30d6
first_time_prs_merged_30d5
first_time_prs_decided_30d15

Власність та опіка

78Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
25/25Охоплення власника — 6 868 підписників у Lightning-AI
22.9/25Послужний список — 30 публічних репозиторіїв, вік облікового запису ~6 р.
Використані вхідні дані
followers6 868
owner_typeOrganization
is_verifiedні
owner_loginLightning-AI
public_repos30
account_age_days2 484

Супровід пакетів

91Відмінний
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
26/35Свіжість публікацій — остання публікація 194 дн. тому
20/20Історія версій — 73 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagestorchmetrics
ecosystemspypi
any_deprecatedні
min_days_since_publish194

Інженерна якість

Чи наявні базові інженерні практики та документація?

91Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 12 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — немає даних
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://lightning.ai/docs/torchmetrics/
10/10Опис репозиторію
10/10Теми — 7 тем
0/10Wiki
Використані вхідні дані
topicspython, data-science, machine-learning, pytorch, deep-learning, metrics, analyses
has_wikiні
homepagehttps://lightning.ai/docs/torchmetrics/
docs_sitehttps://lightning.ai/docs/torchmetrics/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

40Слабкий · 16% загального індексу

Стан безпеки

25У зоні ризику
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements.txt, setup.py
has_codeql_workflowні
has_security_policyні
has_dependabot_configтак

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages32
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:torchmetrics@1.9.0 — тим, що тягне за собою встановлення опублікованого пакета, — 32 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

84Відмінний · 4% загального індексу

Контекст і настанови для агентів

55Помірний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://lightning.ai/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 55 з 59 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://lightning.ai/llms.txt
legible_history_share0,932
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

100Винятковий
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — src/torchmetrics/py.typed
10/10Відтворюване середовище — devcontainer, Dockerfile
10/10Підтверджена практика роботи з агентами — 6 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 41 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesMakefile, docs/Makefile
has_devcontainerтак
has_linter_configтак
typecheck_configssrc/torchmetrics/py.typed
agent_commit_share0,06
toolchain_manifests—
dependency_bot_commit_share0,41

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (src/torchmetrics/py.typed)
55/55Керовані розміри файлів — 0/563 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes56 859
source_files_sampled563
oversized_source_files0

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples
Використані вхідні дані
example_dirsexamples
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

2 473зірок GitHub
97контриб'юторів
60комітів за останні 12 місяців
5днів від останнього пушу
65релізів
2бас-фактор
107відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/20 02:01:53 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 526 ⇿
0Зірки
526Форки
65Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

010020030040050060052082021-032023-122026-09
Мажорні 1Мінорні 19Патчі 43

Кожна точка охоплює 6 днів.

Усі залежності 106

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 106 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaeon—непряма
PyPIbert-score0.3.13непряма
PyPIcachier4.2.0непряма
PyPIcloudpickle—непряма
PyPIcodecov2.1.13непряма
PyPIcoverage7.10.7непряма
PyPIdists-pytorch0.1непряма
PyPIdocutils0.19непряма
PyPIdython0.7.9непряма
PyPIeinops—непряма
PyPIfairlearn—непряма
PyPIfast-bss-eval—непряма
PyPIfaster-coco-eval—непряма
PyPIfire—непряма
PyPIgammatone—непряма
PyPIhuggingface-hub—непряма
PyPIipadic—непряма
PyPIipython—непряма
PyPIjiwer—непряма
PyPIkornia—непряма
PyPIlai-sphinx-theme—непряма
PyPIlibrosa—непряма
PyPIlightning—непряма
PyPIlightning-utilities—непряма
PyPIlightning-utilities0.15.3непряма
PyPIlpips—непряма
PyPImatplotlib—непряма
PyPImecab-ko—непряма
PyPImecab-ko-dic—непряма
PyPImecab-python3—непряма
PyPImir-eval—непряма
PyPImonai1.4.0непряма
PyPImypy1.18.2непряма
PyPImyst-parser1.0.0непряма
PyPInetcal—непряма
PyPInltk—непряма
PyPInumpy—непряма
PyPIonnxruntime—непряма
PyPIpackaging—непряма
PyPIpandas—непряма
PyPIpandoc2.4непряма
PyPIpermetrics2.0.0непряма
PyPIpesq—непряма
PyPIphmdoctest1.4.0непряма
PyPIpiq—непряма
PyPIproperscoring0.1непряма
PyPIpsutil—непряма
PyPIpy-tree—непряма
PyPIpycocotools—непряма
PyPIpydantic—непряма
PyPIpygithub—непряма
PyPIpystoi—непряма
PyPIpytdc—непряма
PyPIpytest—непряма
PyPIpytest8.4.2непряма
PyPIpytest-cov7.0.0непряма
PyPIpytest-doctestplus—непряма
PyPIpytest-doctestplus1.4.0непряма
PyPIpytest-rerunfailures—непряма
PyPIpytest-rerunfailures16.0.1непряма
PyPIpytest-timeout2.4.0непряма
PyPIpytest-xdist3.8.0непряма
PyPIpytorch-lightning—непряма
PyPIpytorch-msssim1.0.0непряма
PyPIregex—непряма
PyPIrequests—непряма
PyPIrouge-score—непряма
PyPIsacrebleu—непряма
PyPIsafetensors—непряма
PyPIscienceplots—непряма
PyPIscikit-image—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsentencepiece—непряма
PyPIsetuptools—непряма
PyPIsewar—непряма
PyPIsphinx5.3.0непряма
PyPIsphinx-autobuild2024.10.3непряма
PyPIsphinx-autodoc-typehints1.23.0непряма
PyPIsphinx-copybutton0.5.2непряма
PyPIsphinx-gallery0.19.0непряма
PyPIsphinx-paramlinks0.6.0непряма
PyPIsphinx-togglebutton0.3.2непряма
PyPIsphinxcontrib-fulltoc—непряма
PyPIsphinxcontrib-mockautodoc—непряма
PyPIsrmrpy—непряма
PyPIstatsmodels—непряма
PyPItimm—непряма
PyPItorch—непряма
PyPItorch2.10.0непряма
PyPItorch-complex—непряма
PyPItorch-fidelity—непряма
PyPItorch-linear-assignment—непряма
PyPItorchaudio—непряма
PyPItorchvision—непряма
PyPItqdm—непряма
PyPItransformers—непряма
PyPItypes-emoji—непряма
PyPItypes-protobuf—непряма
PyPItypes-pyyaml—непряма
PyPItypes-requests—непряма
PyPItypes-setuptools—непряма
PyPItypes-six—непряма
PyPItypes-tabulate—непряма
PyPIvmaf-torch—непряма
PyPIwget—непряма
Сповіщення про залежності 0

Встановлення pypi:torchmetrics@1.9.0 тягне 32 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з Lightning-AI/torchmetrics. Читати поруч →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingВинятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий98pytorch/igniteHigh-level library to help with training and evaluating neural networks in PyTorch flexibly and transparently.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.