Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 07:40 UTC

NVIDIA / Model-Optimizer

A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.

PythonApache-2.0★ 3 818 зірок⑂ 600 форківз квіт. 2024 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено

NVIDIA/Model-Optimizer має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (100/100), найнижчий — Security (52/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 7 учасників.

98
загалом / 100
Винятковий

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»).

98
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 86 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

NVIDIA CorporationОрганізація · підтверджений домен
30 142 підписники803 публічні репозиторіїз трав. 2012 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPInvidia-modelopt0.46.1326 565397 днів тому

Метрики за категоріями

Життєздатність

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

100Винятковий · 21% загального індексу

Активність розробки

100Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
36/36Ритм комітів — 52/52 тижнів із комітами
18/18Обсяг комітів — 1 131 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year1 131
human_commit_share0,97
days_since_last_push0
active_weeks_last_year52

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 48 релізів
36/36Свіжість релізів — останній реліз 7 дн. тому
27/27Ритм релізів — реліз кожні ~7,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count48
latest_release_tag0.47.0rc1
releases_from_tagsні
days_since_latest_release7
mean_days_between_releases7,8

Спільнота та впровадження

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

91Відмінний · 17% загального індексу

Популярність і впровадження

90Відмінний
Як обчислюється оцінка
58.1/60Зірки — 3 818 зірок
23.1/25Форки — 600 форків
8.3/15Спостерігачі — 32 спостерігачів
Використані вхідні дані
forks600
stars3 818
watchers32
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_badges3
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

92Відмінний
Як обчислюється оцінка
73.5/80Щомісячні завантаження — 326 565 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesnvidia-modelopt
dependents—
ecosystemspypi
total_downloads—
monthly_downloads326 565
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?

93Винятковий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

91Відмінний
Як обчислюється оцінка
51.3/54Бас-фактор — на 7 контриб’ютор(ів) припадає половина всіх комітів
17.1/22.5Розподіл комітів — головний контриб’ютор — автор 24% комітів
13.5/13.5Широта контриб’юторів — 86 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor7
contributors_sampled86
top_contributor_share0,241

Реактивність на issue та PR

82Відмінний
Як обчислюється оцінка
33/42Вирішення issue — закрито 78% issue
23.5/30Прийняття PR — злито 1 335/1 705 вирішених PR
13/13Newcomer PR acceptance — злито 1/1 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs1 335
open_issues94
closed_issues343
prs_merged_7d40
prs_decided_7d59
prs_merged_30d40
prs_decided_30d59
issue_closed_ratio0,785
closed_unmerged_prs370
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 30 142 підписників у NVIDIA
25/25Послужний список — 803 публічних репозиторіїв, вік облікового запису ~14 р.
Використані вхідні дані
followers30 142
owner_typeOrganization
is_verifiedтак
owner_loginNVIDIA
public_repos803
account_age_days5 242

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 7 дн. тому
20/20Історія версій — 39 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesnvidia-modelopt
ecosystemspypi
any_deprecatedні
min_days_since_publish7

Інженерна якість

Чи наявні базові інженерні практики та документація?

87Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 13 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

80Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://nvidia.github.io/Model-Optimizer/
10/10Опис репозиторію
0/10Теми
0/10Wiki
Використані вхідні дані
topics—
has_wikiні
homepagehttps://nvidia.github.io/Model-Optimizer/
docs_sitehttps://nvidia.github.io/Model-Optimizer/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

52Помірний · 16% загального індексу

Стан безпеки

40Слабкий
Як обчислюється оцінка
30/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflowні
has_security_policyтак
has_dependabot_configні
Виключено з оцінювання (немає даних або не застосовно): Файли фіксації залежностей. Залишкові ваги перенормовано.

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_packages49
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:nvidia-modelopt@0.46.1 — тим, що тягне за собою встановлення опублікованого пакета, — 49 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.

85Відмінний · 4% загального індексу

Контекст і настанови для агентів

100Винятковий
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://docs.nvidia.com/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 97 з 97 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
agent_instruction_max_bytes3 952

Цикл верифікації (збірка / тести / перевірка типів)

79Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — noxfile.py
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile, lockfile
10/10Підтверджена практика роботи з агентами — 40 з останніх 100 комітів створено агентом або з його зазначенням
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfilesuv.lock
has_dockerfileтак
typed_languageні
bootstrap_filesnoxfile.py
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,4
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.6/55Керовані розміри файлів — 33/1 299 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes114 583
source_files_sampled1 299
oversized_source_files33

Машиночитні інтерфейси

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

Ключові факти

3 818зірок GitHub
86контриб'юторів
1 131комітів за останні 12 місяців
0днів від останнього пушу
48релізів
7бас-фактор
94відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 16 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 07:39:00 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 ★ / 600 ⇿
0Зірки
600Форки
48Релізи

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.

0100200300400500600590132024-052025-072026-09
Мажорні 0Мінорні 16Патчі 6

Кожна точка охоплює 3 днів.

Прямі залежності 15
РеєстрПакетОбмеження версіїМаніфест
PyPIninja—pyproject.toml
PyPInumpy—pyproject.toml
PyPInvidia-ml-py>=12pyproject.toml
PyPIpackaging—pyproject.toml
PyPIsetuptools>=80pyproject.toml
PyPItorch>=2.8pyproject.toml
PyPItqdm—pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIomegaconf>=2.3.0pyproject.toml
PyPIpulp<4.0pyproject.toml
PyPIpydantic>=2.0pyproject.toml
PyPIregex—pyproject.toml
PyPIrich—pyproject.toml
PyPIsafetensors—pyproject.toml
PyPIscipy—pyproject.toml
Усі залежності 303

Повний розв'язаний набір залежностей із графа залежностей GitHub: 32 прямих і 271 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIninja1.13.2пряма
PyPInumpy—пряма
PyPInumpy1.23.5пряма
PyPInumpy1.26.4пряма
PyPInumpy2.2.6пряма
PyPInumpy2.4.6пряма
PyPInumpy2.5.3пряма
PyPInvidia-ml-py13.610.43пряма
PyPIomegaconf—пряма
PyPIomegaconf2.3.1пряма
PyPIpackaging26.3пряма
PyPIpulp3.3.2пряма
PyPIpydantic—пряма
PyPIpydantic2.13.5пряма
PyPIpyyaml6.0.3пряма
PyPIregex2026.9.10пряма
PyPIrich—пряма
PyPIrich15.0.0пряма
PyPIsafetensors—пряма
PyPIsafetensors0.8.0пряма
PyPIscipy—пряма
PyPIscipy1.15.3пряма
PyPIscipy1.17.1пряма
PyPIscipy1.18.1пряма
PyPIsetuptools—пряма
PyPIsetuptools84.0.0пряма
PyPItorch—пряма
PyPItorch2.14.0пряма
PyPItorch2.7.0+cu128пряма
PyPItqdm—пряма
PyPItqdm4.66.5пряма
PyPItqdm4.70.1пряма
PyPIaccelerate—непряма
PyPIaccelerate1.15.0непряма
PyPIaccelerate1.4.0непряма
PyPIaiohappyeyeballs2.7.1непряма
PyPIaiohttp3.14.3непряма
PyPIaiosignal1.4.0непряма
PyPIalabaster1.0.0непряма
PyPIannotated-doc0.0.5непряма
PyPIannotated-types0.8.0непряма
PyPIantlr4-python3-runtime4.9.3непряма
PyPIanyio4.15.1непряма
PyPIargcomplete3.7.2непряма
PyPIast-serialize0.11.2непряма
PyPIasync-timeout5.0.1непряма
PyPIattrs26.1.0непряма
PyPIautodoc-pydantic2.2.0непряма
PyPIav20.2.1непряма
PyPIbabel2.18.0непряма
PyPIbandit1.7.9непряма
PyPIboto3—непряма
PyPIbotocore—непряма
PyPIcachetools7.1.8непряма
PyPIcertifi2026.7.22непряма
PyPIcffi2.1.1непряма
PyPIcfgv3.5.0непряма
PyPIcharset-normalizer3.5.1непряма
PyPIclick8.5.0непряма
PyPIcloudpickle3.1.2непряма
PyPIcolorama0.4.6непряма
PyPIcoloredlogs15.0.1непряма
PyPIcolorlog6.12.0непряма
PyPIcompressed-tensors—непряма
PyPIcoverage7.14.3непряма
PyPIcppimport26.4.17непряма
PyPIcryptography50.0.1непряма
PyPIcuda-pathfinder1.8.1непряма
PyPIcupy-cuda12x14.2.0непряма
PyPIdatabricks-sdk0.139.0непряма
PyPIdatasets—непряма
PyPIdatasets2.19.0непряма
PyPIdatasets4.4.2непряма
PyPIdatasets5.0.1непряма
PyPIdeepspeed0.19.6непряма
PyPIdefusedxml0.7.1непряма
PyPIdependency-groups1.3.2непряма
PyPIdescartes1.1.0непряма
PyPIdiffusers0.40.0непряма
PyPIdill0.4.1непряма
PyPIdistlib0.4.3непряма
PyPIdocutils0.22.4непряма
PyPIeinops0.8.1непряма
PyPIeinops0.8.2непряма
PyPIevaluate—непряма
PyPIexceptiongroup1.3.1непряма
PyPIfastapi0.141.1непряма
PyPIfilelock3.32.6непряма
PyPIfire—непряма
PyPIfire0.6.0непряма
PyPIfire0.7.1непряма
PyPIflash-attn—непряма
PyPIflash-attn0.2.8непряма
PyPIflatbuffers25.12.19непряма
PyPIfrozenlist1.8.0непряма
PyPIfsspec2026.6.0непряма
PyPIgitdb4.0.12непряма
PyPIgitpython3.1.62непряма
PyPIgoogle-auth2.58.0непряма
PyPIh110.16.0непряма
PyPIhf-xet1.6.0непряма
PyPIhjson3.1.0непряма
PyPIhttpcore1.0.9непряма
PyPIhttpx0.28.1непряма
PyPIhuggingface-hub1.31.0непряма
PyPIhumanfriendly10.0непряма
PyPIhumanize4.16.0непряма
PyPIhydra-core1.3.6непряма
PyPIidentify2.6.19непряма
PyPIidna3.19непряма
PyPIimagesize2.0.1непряма
PyPIimmutabledict4.3.1непряма
PyPIimportlib-metadata9.0.1непряма
PyPIiniconfig2.3.0непряма
PyPIipywidgets—непряма
PyPIjinja23.1.6непряма
PyPIjiwer—непряма
PyPIjoblib1.6.0непряма
PyPIkernels—непряма
PyPIkornia0.6.12непряма
PyPIlibrosa—непряма
PyPIlibrt0.15.0непряма
PyPIlief1.0.0непряма
PyPIliger-kernel—непряма
PyPIlm-eval—непряма
PyPIlru-dict1.4.1непряма
PyPIltx-core—непряма
PyPIltx-pipelines—непряма
PyPIltx-trainer—непряма
PyPIlyft-dataset-sdk0.0.8непряма
PyPImako1.4.1непряма
PyPImarkdown-it-py4.2.0непряма
PyPImarkupsafe3.0.3непряма
PyPImath-verify—непряма
PyPImcp—непряма
PyPImdurl0.1.2непряма
PyPIml-dtypes0.6.0непряма
PyPImlflow-skinny—непряма
PyPImlflow-skinny3.16.0непряма
PyPImmcv-full1.7.0непряма
PyPImmdet2.28.2непряма
PyPImmdet3d1.0.0rc6непряма
PyPImmsegmentation0.30.0непряма
PyPImpmath1.3.0непряма
PyPImsgpack1.2.2непряма
PyPImultidict6.8.0непряма
PyPImultiprocess0.70.19непряма
PyPImypy2.1.0непряма
PyPImypy-extensions1.1.0непряма
PyPInemo-automodel—непряма
PyPInemo-run—непряма
PyPInetworkx3.4.2непряма
PyPInetworkx3.6.1непряма
PyPInltk3.10.3непряма
PyPInodeenv1.10.0непряма
PyPInox2026.8.17непряма
PyPInuscenes-devkit1.1.11непряма
PyPInvidia-modelopt—непряма
PyPInvtx—непряма
PyPIonnx1.17.0непряма
PyPIonnx1.21.0непряма
PyPIonnx-graphsurgeon0.6.1непряма
PyPIonnx-ir1.0.0непряма
PyPIonnxconverter-common1.16.0непряма
PyPIonnxruntime1.19.2непряма
PyPIonnxruntime1.22.1непряма
PyPIonnxruntime1.24.4непряма
PyPIonnxruntime-ep-nv-tensorrt-rtx-cu130.4.0непряма
PyPIonnxruntime-genai—непряма
PyPIonnxruntime-gpu1.20.1непряма
PyPIonnxruntime-gpu1.22.0непряма
PyPIonnxruntime-gpu1.23.2непряма
PyPIonnxruntime-gpu1.24.4непряма
PyPIonnxscript0.7.2непряма
PyPIonnxsim0.5.0непряма
PyPIonnxslim0.1.96непряма
PyPIopenai—непряма
PyPIopencv-python—непряма
PyPIopencv-python4.5.5.64непряма
PyPIopencv-python-headless—непряма
PyPIopentelemetry-api1.44.0непряма
PyPIopentelemetry-proto1.44.0непряма
PyPIopentelemetry-sdk1.44.0непряма
PyPIopentelemetry-semantic-conventions0.65b0непряма
PyPIoptimum—непряма
PyPIoptimum1.23.3непряма
PyPIpandas—непряма
PyPIpandas2.2.2непряма
PyPIpandas2.3.3непряма
PyPIpandas3.0.5непряма
PyPIpathspec1.1.1непряма
PyPIpeft—непряма
PyPIpeft0.18.1непряма
PyPIpeft0.20.0непряма
PyPIpillow12.3.0непряма
PyPIplatformdirs4.11.8непряма
PyPIpluggy1.6.0непряма
PyPIpolygraphy0.53.4непряма
PyPIpre-commit4.6.0непряма
PyPIpropcache0.5.2непряма
PyPIprotobuf6.33.6непряма
PyPIpsutil—непряма
PyPIpsutil7.2.2непряма
PyPIpy-cpuinfo9.0.0непряма
PyPIpy7zr—непряма
PyPIpyarrow—непряма
PyPIpyarrow25.0.1непряма
PyPIpyasn10.6.4непряма
PyPIpyasn1-modules0.4.2непряма
PyPIpybind113.1.0непряма
PyPIpycparser3.0непряма
PyPIpydantic-core2.46.5непряма
PyPIpydantic-settings2.15.0непряма
PyPIpygments2.21.0непряма
PyPIpygments-styles0.3.0непряма
PyPIpyparsing3.3.2непряма
PyPIpyquaternion0.9.9непряма
PyPIpyreadline33.5.6непряма
PyPIpytest9.1.1непряма
PyPIpytest-cov7.1.0непряма
PyPIpytest-instafail0.5.0непряма
PyPIpytest-timeout2.4.0непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpython-discovery1.6.0непряма
PyPIpython-dotenv1.2.3непряма
PyPIpytz2026.3.post1непряма
PyPIray—непряма
PyPIrefile0.4.1непряма
PyPIrequests2.34.2непряма
PyPIroman-numerals4.1.0непряма
PyPIruff0.15.20непряма
PyPIrwkv—непряма
PyPIseaborn—непряма
PyPIsentencepiece—непряма
PyPIsentencepiece0.2.2непряма
PyPIshapely1.8.5.post1непряма
PyPIshellingham1.5.4непряма
PyPIshibuya2026.7.12непряма
PyPIsix1.17.0непряма
PyPIsmmap5.0.3непряма
PyPIsnowballstemmer3.1.1непряма
PyPIsoundfile—непряма
PyPIsphinx9.1.0непряма
PyPIsphinx-argparse0.6.1непряма
PyPIsphinx-autobuild2025.8.25непряма
PyPIsphinx-copybutton0.5.2непряма
PyPIsphinx-inline-tabs2025.12.21.14непряма
PyPIsphinx-togglebutton0.4.5непряма
PyPIsphinxcontrib-applehelp2.0.0непряма
PyPIsphinxcontrib-devhelp2.0.0непряма
PyPIsphinxcontrib-htmlhelp2.1.0непряма
PyPIsphinxcontrib-jsmath1.0.1непряма
PyPIsphinxcontrib-qthelp2.0.0непряма
PyPIsphinxcontrib-serializinghtml2.0.0непряма
PyPIsqlparse0.6.0непряма
PyPIstarlette1.6.0непряма
PyPIstevedore5.8.0непряма
PyPIstevedore5.9.1непряма
PyPIsympy1.14.0непряма
PyPItensorboard—непряма
PyPItensorboardx—непряма
PyPItermcolor3.3.0непряма
PyPItiktoken—непряма
PyPItiktoken0.14.0непряма
PyPItiktoken0.7.0непряма
PyPItimm—непряма
PyPItimm1.0.29непряма
PyPItokenizers—непряма
PyPItokenizers0.22.2непряма
PyPItomli2.4.1непряма
PyPItorch-geometric2.8.0.post1непряма
PyPItorch-tensorrt—непряма
PyPItorchao—непряма
PyPItorchaudio2.7.0+cu128непряма
PyPItorchprofile0.0.4непряма
PyPItorchvision—непряма
PyPItorchvision0.29.0непряма
PyPItrackio—непряма
PyPItransformers—непряма
PyPItransformers4.57.3непряма
PyPItransformers5.14.1непряма
PyPItransformers-stream-generator—непряма
PyPItrimesh2.35.39непряма
PyPItrl—непряма
PyPItypeguard4.6.0непряма
PyPItyper0.27.2непряма
PyPItyping-extensions4.16.0непряма
PyPItyping-inspection0.4.4непряма
PyPItzdata2026.4непряма
PyPIurllib32.7.0непряма
PyPIuv0.12.13непряма
PyPIuvicorn0.53.0непряма
PyPIvirtualenv21.7.9непряма
PyPIwandb—непряма
PyPIwatchfiles1.2.0непряма
PyPIwebsockets17.1непряма
PyPIwheel0.48.0непряма
PyPIwonderwords3.0.1непряма
PyPIxxhash4.0.1непряма
PyPIyapf0.32.0непряма
PyPIyarl1.24.5непряма
PyPIzipp4.1.0непряма
PyPIzstandard—непряма
Сповіщення про залежності 0

Встановлення pypi:nvidia-modelopt@0.46.1 тягне 49 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 NVIDIA/Model-Optimizer. Читати поруч →

100astropy/astropyAstronomy and astrophysics core libraryВинятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий100kubeflow/trainerDistributed AI Model Training and LLM Fine-Tuning on KubernetesВинятковий100matplotlib/matplotlibmatplotlib: plotting with PythonВинятковий100mlco2/codecarbonTrack emissions from Compute and recommend ways to reduce their impact on the environment.Винятковий100numpy/numpyThe fundamental package for scientific computing with Python.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.