Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-08-27 22:49 UTC

NVIDIA / TensorRT

NVIDIA® TensorRT™ is an SDK for high-performance deep learning inference on NVIDIA GPUs. This repository contains the open source components of TensorRT.

C++Apache-2.0★ 13 294 зірки⑂ 2 397 форківз трав. 2019 р.Переглянути на GitHub ↗
ТипБібліотекаІнструмент командного рядкаяк це визначено
#tensorrt#nvidia#deep-learning#inference#gpu-acceleration

NVIDIA/TensorRT має індекс здоров’я 88 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Community & Adoption (88/100), найнижчий — Security (40/100). Останнє оновлення було 2 дні тому. Більшість нещодавньої роботи виконують 3 учасники.

88
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»).

88
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 74 калібровано до 88 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

NVIDIA CorporationОрганізація · підтверджений домен
29 403 підписники800 публічних репозиторіївз трав. 2012 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIpolygraphy0.53.4258 4771320 днів тому—
PyPItensorrt11.2.1.2233 1064828 днів томуnvidiatensorrtdeeplearninginference
PyPIonnx_graphsurgeon0.6.1510 1268141 день тому—
PyPIpytorch_quantizationвказує на інший репозиторій — не оцінюється2.2.11 39351028 днів томуnvidiadeep-learningmachine-learningsupervised-learningunsupervised-learningreinforcement-learninglogging
PyPIpolygraphy_trtexec0.0.93231099 днів тому—

Метрики за категоріями

Життєздатність

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

78Добрий · 21% загального індексу

Активність розробки

68Добрий
Як обчислюється оцінка
36/36Свіжість push — останній push 2 дн. тому
12.5/36Ритм комітів — 18/52 тижнів із комітами
12.9/18Обсяг комітів — 26 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year26
human_commit_share1
days_since_last_push2
active_weeks_last_year18

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 71 релізів
36/36Свіжість релізів — останній реліз 23 дн. тому
19.8/27Ритм релізів — реліз кожні ~45,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count71
latest_release_tagv11.2
releases_from_tagsні
days_since_latest_release23
mean_days_between_releases45,8

Спільнота та впровадження

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

88Відмінний · 17% загального індексу

Популярність і впровадження

97Винятковий
Як обчислюється оцінка
60/60Зірки — 13 294 зірок
25/25Форки — 2 397 форків
12.2/15Спостерігачі — 157 спостерігачів
Використані вхідні дані
forks2 397
stars13 294
watchers157
growth_stateorganic
growth_factor_pct100

Здоров'я спільноти

70Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges3
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesshields.io
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 1 001 741 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagespolygraphy, tensorrt, onnx_graphsurgeon, polygraphy_trtexec
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1 001 741
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?

84Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

72Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
15/22.5Розподіл комітів — головний контриб’ютор — автор 33% комітів
13.5/13.5Широта контриб’юторів — 83 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor3
contributors_sampled83
top_contributor_share0,333

Реактивність на issue та PR

71Добрий
Як обчислюється оцінка
36.3/42Вирішення issue — закрито 86% issue
19.7/30Прийняття PR — злито 327/498 вирішених PR
4.3/13Newcomer PR acceptance — злито 1/3 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs327
open_issues573
closed_issues3 658
prs_merged_7d1
prs_decided_7d2
prs_merged_30d4
prs_decided_30d6
issue_closed_ratio0,865
closed_unmerged_prs171
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d3

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 29 403 підписників у NVIDIA
25/25Послужний список — 800 публічних репозиторіїв, вік облікового запису ~14 р.
Використані вхідні дані
followers29 403
owner_typeOrganization
is_verifiedтак
owner_loginNVIDIA
public_repos800
account_age_days5 222

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 4 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 20 дн. тому
20/20Історія версій — 48 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagespolygraphy, tensorrt, onnx_graphsurgeon, polygraphy_trtexec
ecosystemspypi
any_deprecatedні
min_days_since_publish20

Інженерна якість

Чи наявні базові інженерні практики та документація?

74Добрий · 19% загального індексу

Інженерні практики

80Відмінний
Як обчислюється оцінка
24/24Процеси CI — 5 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .pylintrc
0/9.6Pre-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_configні

Документація

65Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — https://developer.nvidia.com/tensorrt
10/10Опис репозиторію
10/10Теми — 5 тем
0/10Wiki
Використані вхідні дані
topicstensorrt, nvidia, deep-learning, inference, gpu-acceleration
has_wikiні
homepagehttps://developer.nvidia.com/tensorrt
docs_sitehttps://developer.nvidia.com/tensorrt
has_readmeтак
has_docs_dirні
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)
0/25Конфігурація Dependabot
25/25Файли фіксації залежностей — poetry.lock
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfilespoetry.lock
manifestspython/requirements.txt
has_codeql_workflowні
has_security_policyні
has_dependabot_configні

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_packages3
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:tensorrt@11.2.1.2 — тим, що тягне за собою встановлення опублікованого пакета, — 3 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.

76Добрий · 4% загального індексу

Контекст і настанови для агентів

50Помірний
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://developer.nvidia.com/llms.txt)
34.7/40Читабельна історія комітів — намір зазначено у 65 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://developer.nvidia.com/llms.txt
legible_history_share0,65
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

80Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — quickstart/Makefile, quickstart/SemanticSegmentation/Makefile, tools/Polygraphy/Makefile, tools/onnx-graphsurgeon/Makefile, tools/polygraphy-extension-trtexec/Makefile, tools/pytorch-quantization/docs/Makefile, tools/tensorflow-quantization/docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .pylintrc
11/11Статична перевірка типів — C++ (статично типізована)
10/10Відтворюване середовище — lockfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfilespoetry.lock
has_dockerfileні
typed_languageтак
bootstrap_filesquickstart/Makefile, quickstart/SemanticSegmentation/Makefile, tools/Polygraphy/Makefile, tools/onnx-graphsurgeon/Makefile, tools/polygraphy-extension-trtexec/Makefile, tools/pytorch-quantization/docs/Makefile, tools/tensorflow-quantization/docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

90Відмінний
Як обчислюється оцінка
45/45Типізований код — C++ (статично типізована)
44.9/55Керовані розміри файлів — 199/1 080 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageC++
largest_source_bytes3 041 274
source_files_sampled1 080
oversized_source_files199

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, notebooks, samples
Використані вхідні дані
example_dirsexamples, notebooks, samples
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

13 294зірок GitHub
83контриб'юторів
26комітів за останні 12 місяців
2днів від останнього пушу
71релізів
3бас-фактор
573відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Star history carried forward from 2026-07-21: GitHub restricted the stargazers API to repository admins, so it can no longer be collected. The repository has 13294 stars today.
  • pypi package 'pytorch_quantization' points at a different repository (https://github.com/NVIDIA); excluded from ecosystem scoring
  • Could not fetch pypi package 'tensorflow_quantization' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/08/27 22:47:16 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 13 169 ★ / 2 397 ⇿
13 169Зірки
2 397Форки
33Релізи

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.

Показано лише найновішу історію — цей репозиторій перевищує вікно збору, тож найраніша історія не захоплена.

Історію зірок показано станом на 2026-07-21. У липні 2026 року GitHub обмежив доступ до API stargazers адміністраторами репозиторію, тож цей ряд більше не продовжується; загальна кількість зірок вище лишається актуальною.

02 5005 0007 50010 00012 50015 00013 1692 397462022-112024-092026-08
Мажорні 1Мінорні 16Патчі 7

Кожна точка охоплює 4 днів.

Прямі залежності 2
РеєстрПакетОбмеження версіїМаніфест
PyPIwheel0.45.1python/packaging/pyproject.toml
PyPIsetuptools^80.4.0python/packaging/pyproject.toml
Усі залежності 257

Повний розв'язаний набір залежностей із графа залежностей GitHub: 5 прямих і 252 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIsetuptools—пряма
PyPIsetuptools80.4.0пряма
PyPIsetuptools80.9.0пряма
PyPIwheel—пряма
PyPIwheel0.45.1пряма
PyPIabsl-py—непряма
PyPIaccelerate1.2.1непряма
PyPIalabaster0.7.16непряма
PyPIanykeystore0.2непряма
PyPIapex0.9.10devнепряма
PyPIargparse—непряма
PyPIbabel2.17.0непряма
PyPIbeautifulsoup44.14.2непряма
PyPIbuild1.0.0непряма
PyPIcertifi2025.10.5непряма
PyPIcharset-normalizer3.4.3непряма
PyPIcolorama0.4.6непряма
PyPIcolored—непряма
PyPIcolored2.3.1непряма
PyPIcolored2.3.2непряма
PyPIcoloredlogs15.0.1непряма
PyPIcontourpy1.3.2непряма
PyPIcontrolnet-aux0.0.6непряма
PyPIcryptacular1.6.2непряма
PyPIcuda-bindings—непряма
PyPIcuda-bindings13.0.2непряма
PyPIcuda-pathfinder1.3.0непряма
PyPIcuda-python—непряма
PyPIcuda-python12.9.0непряма
PyPIcuda-python13.0.2непряма
PyPIcupy-cuda12x—непряма
PyPIcupy-cuda12x13.6.0непряма
PyPIcycler0.12.1непряма
PyPIdiffusers0.35.2непряма
PyPIdocutils0.16непряма
PyPIdocutils0.18.1непряма
PyPIdocutils0.20.1непряма
PyPIeinops0.8.1непряма
PyPIexceptiongroup1.3.0непряма
PyPIfilelock3.20.0непряма
PyPIflatbuffers25.9.23непряма
PyPIfonttools4.60.1непряма
PyPIfsspec2025.9.0непряма
PyPIftfy—непряма
PyPIftfy6.3.1непряма
PyPIfuro2022.4.7непряма
PyPIfuro2024.8.6непряма
PyPIgcloud—непряма
PyPIgoogle-cloud-storage—непряма
PyPIgreenlet3.2.4непряма
PyPIhf-xet1.1.10непряма
PyPIhuggingface-hub0.11.0непряма
PyPIhuggingface-hub0.35.3непряма
PyPIhuggingface-hub0.4.0непряма
PyPIhumanfriendly10.0непряма
PyPIhupper1.12.1непряма
PyPIidna3.10непряма
PyPIimageio2.37.0непряма
PyPIimageio-ffmpeg—непряма
PyPIimageio-ffmpeg0.6.0непряма
PyPIimagesize1.4.1непряма
PyPIimportlib-metadata8.7.0непряма
PyPIiniconfig2.1.0непряма
PyPIjinja23.1.6непряма
PyPIkiwisolver1.4.9непряма
PyPIlazy-loader0.4непряма
PyPImarkdown-it-py3.0.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib—непряма
PyPImatplotlib3.10.7непряма
PyPImdit-py-plugins0.5.0непряма
PyPImdurl0.1.2непряма
PyPIml-dtypes—непряма
PyPIml-dtypes0.5.3непряма
PyPImpi4py4.1.1непряма
PyPImpmath1.3.0непряма
PyPImyst-parser0.16.1непряма
PyPImyst-parser3.0.1непряма
PyPInccl4py0.1.1непряма
PyPInetworkx3.4.2непряма
PyPInltk3.9.1непряма
PyPInumba—непряма
PyPInumba-cuda—непряма
PyPInumpy—непряма
PyPInumpy1.23.0непряма
PyPInumpy1.23.1непряма
PyPInumpy1.26.4непряма
PyPInumpy2.2.3непряма
PyPInumpy2.2.6непряма
PyPInvidia-cublas-cu1212.8.4.1непряма
PyPInvidia-cuda-cupti-cu1212.8.90непряма
PyPInvidia-cuda-nvrtc-cu1212.8.93непряма
PyPInvidia-cuda-runtime-cu1212.8.90непряма
PyPInvidia-cudnn-cu129.10.2.21непряма
PyPInvidia-cufft-cu1211.3.3.83непряма
PyPInvidia-cufile-cu121.13.1.3непряма
PyPInvidia-curand-cu1210.3.9.90непряма
PyPInvidia-cusolver-cu1211.7.3.90непряма
PyPInvidia-cusparse-cu1212.5.8.93непряма
PyPInvidia-cusparselt-cu120.7.1непряма
PyPInvidia-cutlass-dsl4.5.0непряма
PyPInvidia-modelopt—непряма
PyPInvidia-modelopt0.31.0непряма
PyPInvidia-modelopt0.35.0непряма
PyPInvidia-nccl-cu122.27.3непряма
PyPInvidia-nvjitlink-cu1212.8.93непряма
PyPInvidia-nvtx-cu1212.8.90непряма
PyPInvidia-pyindex—непряма
PyPInvidia-tensorrt—непряма
PyPInvtx—непряма
PyPInvtx0.2.13непряма
PyPIoauthlib3.3.1непряма
PyPIonnx—непряма
PyPIonnx1.13.1непряма
PyPIonnx1.14.0непряма
PyPIonnx1.17.0непряма
PyPIonnx1.18.0непряма
PyPIonnx1.20.0непряма
PyPIonnx1.9.0непряма
PyPIonnx-graphsurgeon—непряма
PyPIonnx-graphsurgeon0.5.2непряма
PyPIonnx-ir0.1.10непряма
PyPIonnxconverter-common1.12.2непряма
PyPIonnxmltools1.11.1непряма
PyPIonnxruntime—непряма
PyPIonnxruntime1.12.1непряма
PyPIonnxruntime1.15.0непряма
PyPIonnxruntime1.18.1непряма
PyPIonnxruntime1.19.2непряма
PyPIonnxruntime1.22.1непряма
PyPIonnxruntime1.24.2непряма
PyPIonnxruntime1.8.1непряма
PyPIonnxruntime-gpu—непряма
PyPIonnxscript—непряма
PyPIonnxscript0.5.4непряма
PyPIopencv-python4.11.0.86непряма
PyPIopencv-python-headless4.8.0.74непряма
PyPIpackaging25.0непряма
PyPIpastedeploy3.1.0непряма
PyPIpbkdf21.3непряма
PyPIpeft0.17.0непряма
PyPIpillow—непряма
PyPIpillow11.3.0непряма
PyPIplaster1.1.2непряма
PyPIplaster-pastedeploy1.0.1непряма
PyPIpluggy1.6.0непряма
PyPIpolygraphy—непряма
PyPIpolygraphy0.49.0непряма
PyPIpolygraphy0.49.22непряма
PyPIpolygraphy0.50.1непряма
PyPIprettytable—непряма
PyPIprotobuf—непряма
PyPIprotobuf3.20.2непряма
PyPIprotobuf3.20.3непряма
PyPIprotobuf6.32.1непряма
PyPIpsutil7.1.0непряма
PyPIpycuda—непряма
PyPIpygments2.19.2непряма
PyPIpyparsing3.2.5непряма
PyPIpyramid2.0.2непряма
PyPIpyramid-mailer0.15.1непряма
PyPIpyreadline33.5.4непряма
PyPIpytest—непряма
PyPIpytest8.4.2непряма
PyPIpytest-console-scripts—непряма
PyPIpytest-rerunfailures—непряма
PyPIpytest-virtualenv—непряма
PyPIpytest-xdist—непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpython-openid2.2.5непряма
PyPIpywin32—непряма
PyPIpyyaml—непряма
PyPIpyyaml6.0.3непряма
PyPIregex2025.9.18непряма
PyPIrepoze-sendmail4.4.1непряма
PyPIrequests2.25.1непряма
PyPIrequests2.32.4непряма
PyPIrequests2.32.5непряма
PyPIrequests2.33.0непряма
PyPIrequests-oauthlib2.0.0непряма
PyPIsafetensors0.6.2непряма
PyPIscikit-image0.25.2непряма
PyPIscipy—непряма
PyPIscipy1.15.3непряма
PyPIsentencepiece—непряма
PyPIsentencepiece0.1.95непряма
PyPIsentencepiece0.1.97непряма
PyPIsentencepiece0.2.1непряма
PyPIsix1.17.0непряма
PyPIsnowballstemmer3.0.1непряма
PyPIsoupsieve2.8непряма
PyPIsphinx4.4.0непряма
PyPIsphinx7.1.2непряма
PyPIsphinx-basic-ng1.0.0b2непряма
PyPIsphinx-glpi-theme—непряма
PyPIsphinxcontrib-applehelp2.0.0непряма
PyPIsphinxcontrib-devhelp2.0.0непряма
PyPIsphinxcontrib-htmlhelp2.1.0непряма
PyPIsphinxcontrib-jsmath1.0.1непряма
PyPIsphinxcontrib-qthelp2.0.0непряма
PyPIsphinxcontrib-serializinghtml2.0.0непряма
PyPIsqlalchemy2.0.44непряма
PyPIsympy1.14.0непряма
PyPIsympy1.9непряма
PyPItabulate—непряма
PyPItensorflow—непряма
PyPItensorflow-gpu2.8.0непряма
PyPItensorrt—непряма
PyPItensorrt-module—непряма
PyPItf2onnx—непряма
PyPItf2onnx1.10.1непряма
PyPItifffile2025.5.10непряма
PyPItimm1.0.20непряма
PyPItokenizers0.21.4непряма
PyPItoml—непряма
PyPItomli2.0.0непряма
PyPItomli2.3.0непряма
PyPItorch—непряма
PyPItorch1.10непряма
PyPItorch1.10.2непряма
PyPItorch1.10.2+cu113непряма
PyPItorch1.11.0непряма
PyPItorch1.11.0+cu113непряма
PyPItorch1.13.1непряма
PyPItorch2.8.0непряма
PyPItorch2.9.1непряма
PyPItorchao0.13.0непряма
PyPItorchvision—непряма
PyPItorchvision0.11.3непряма
PyPItorchvision0.12.0непряма
PyPItorchvision0.23.0непряма
PyPItqdm4.66.4непряма
PyPItqdm4.67.1непряма
PyPItransaction5.0непряма
PyPItransformers4.18.0непряма
PyPItransformers4.20.0непряма
PyPItransformers4.52.4непряма
PyPItranslationstring1.4непряма
PyPItriton—непряма
PyPItriton3.2.0непряма
PyPItriton3.4.0непряма
PyPItriton3.5.0непряма
PyPItyping-extensions4.15.0непряма
PyPIurllib32.5.0непряма
PyPIvelruse1.1.1непряма
PyPIvenusian3.1.1непряма
PyPIvirtualenv—непряма
PyPIwcwidth0.2.14непряма
PyPIwebob1.8.9непряма
PyPIwget—непряма
PyPIwget3.2непряма
PyPIwtforms3.2.1непряма
PyPIwtforms-recaptcha0.3.2непряма
PyPIzipp3.23.0непряма
PyPIzope-deprecation6.0непряма
PyPIzope-interface8.0.1непряма
PyPIzope-sqlalchemy4.0непряма
Сповіщення про залежності 0

Встановлення pypi:tensorrt@11.2.1.2 тягне 3 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/TensorRT. Читати поруч →

98NVIDIA/TensorRT-LLMTensorRT LLM provides users with an easy-to-use Python API to define Large Language Models (LLMs) and supports state-of-the-art optimizations to perform inference efficiently on NVIDIA GPUs. TensorRT LLM also contains components to create Python and C++ runtimes that orchestrate the inference execution in a performant way.Винятковий94pytorch/TensorRTPyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRTВинятковий92triton-inference-server/model_analyzerTriton Model Analyzer is a CLI tool to help with better understanding of the compute and memory requirements of the Triton Inference Server models.Відмінний87NexusGPU/tensor-fusionTensor Fusion is a state-of-the-art GPU virtualization and pooling solution designed to optimize GPU cluster utilization to its fullest potential.Відмінний100huggingface/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. Винятковий99ai-dynamo/dynamoA Datacenter Scale Distributed Inference Serving FrameworkВинятковий

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.