Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 17:39 UTC

NVIDIA / cuml

NVIDIA cuML: GPU-Accelerated Machine Learning

Python · C++ · CudaApache-2.0★ 5 281 зірка⑂ 677 форківз жовт. 2018 р.Переглянути на GitHub ↗
ТипПлагіняк це визначено
#machine-learning-algorithms#machine-learning#cuda#gpu#nvidia

NVIDIA/cuml має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (97/100), найнижчий — Security (67/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 5 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 87 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

NVIDIA CorporationОрганізація · підтверджений домен
30 155 підписників804 публічні репозиторіїз трав. 2012 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIcumlвказує на інший репозиторій — не оцінюється0.6.1.post176312298 днів тому

Метрики за категоріями

Життєздатність

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

97Винятковий · 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 — 869 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year869
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 53 релізів
36/36Свіжість релізів — останній реліз 42 дн. тому
19.8/27Ритм релізів — реліз кожні ~53,7 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count53
latest_release_tagv26.08.00
releases_from_tagsні
days_since_latest_release42
mean_days_between_releases53,7
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

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

83Відмінний · 17% загального індексу

Популярність і впровадження

94Винятковий
Як обчислюється оцінка
60/60Зірки — 5 281 зірок
23.6/25Форки — 677 форків
10.3/15Спостерігачі — 72 спостерігачів
Використані вхідні дані
forks677
stars5 281
watchers72
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

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_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_services—
has_pull_request_templateні

Сталість та врядування

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

87Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

88Відмінний
Як обчислюється оцінка
45.9/54Бас-фактор — на 5 контриб’ютор(ів) припадає половина всіх комітів
18.9/22.5Розподіл комітів — головний контриб’ютор — автор 16% комітів
13.5/13.5Широта контриб’юторів — 100 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 33 contributing companies or organizations
Використані вхідні дані
bus_factor5
contributors_sampled100
top_contributor_share0,161

Реактивність на issue та PR

73Добрий
Як обчислюється оцінка
32.5/42Вирішення issue — закрито 77% issue
25.3/30Прийняття PR — злито 4 478/5 303 вирішених PR
0/13Newcomer PR acceptance — злито 0/2 PR від новачків за 30 дн.
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs4 478
open_issues748
closed_issues2 558
prs_merged_7d24
prs_decided_7d40
prs_merged_30d24
prs_decided_30d40
issue_closed_ratio0,774
closed_unmerged_prs825
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 30 155 підписників у NVIDIA
25/25Послужний список — 804 публічних репозиторіїв, вік облікового запису ~14 р.
Використані вхідні дані
followers30 155
owner_typeOrganization
is_verifiedтак
owner_loginNVIDIA
public_repos804
account_age_days5 242

Інженерна якість

Чи наявні базові інженерні практики та документація?

96Винятковий · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 8 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff]), python/cuml/pyproject.toml ([tool.black], [tool.isort])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://docs.nvidia.com/cuml/
10/10Опис репозиторію
10/10Теми — 5 тем
10/10Wiki
Використані вхідні дані
topicsmachine-learning-algorithms, machine-learning, cuda, gpu, nvidia
has_wikiтак
homepagehttps://docs.nvidia.com/cuml/
docs_sitehttps://docs.nvidia.com/cuml/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

67Добрий · 16% загального індексу

Стан безпеки

59Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 33 contributing companies or organizations
0/10Dangerous-Workflow — dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — немає даних
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate5,9
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Packaging, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
0/25Непрямі залежності без відомих сповіщень — транзитивний набір не відокремлюється від залежностей розробки й тестування в цьому обсязі
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages1
unassessed_packages47
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 1 резолвлених залежностей із OSV. 47 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза межами звітованого переліку пакетів. Цей репозиторій не публікує пакета, який резолвить індекс, тож натомість оцінено граф залежностей репозиторію. Цей граф змішує закріплені версії для розробки й тестування зі справді постачаними залежностями, тож оцінюються лише задекларовані runtime-залежності; транзитивні знахідки подаються як контекст і в оцінку не входять. 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.

78Добрий · 4% загального індексу

Контекст і настанови для агентів

100Винятковий
Як обчислюється оцінка
45/45Інструкції для агентів — cpp/agents.md, python/agents.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 96 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share0,96
agent_instruction_filescpp/agents.md, python/agents.md
agent_instruction_max_bytes16 045

Цикл верифікації (збірка / тести / перевірка типів)

61Помірний
Як обчислюється оцінка
18/18Розгортання однією командою — docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff]), python/cuml/pyproject.toml ([tool.black], [tool.isort])
0/11Статична перевірка типів
10/10Відтворюване середовище — devcontainer, Dockerfile
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 — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesdocs/Makefile
has_devcontainerтак
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.2/55Керовані розміри файлів — 8/554 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes1 260 083
source_files_sampled554
oversized_source_files8

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, recipes
Використані вхідні дані
example_dirsexamples, notebooks, recipes
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

5 281зірок GitHub
100контриб'юторів
869комітів за останні 12 місяців
0днів від останнього пушу
53релізів
5бас-фактор
748відкритих 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)
  • pypi package 'cuml' points at a different repository (https://github.com/rapidsai/dask-cuda); excluded from ecosystem scoring
  • Could not fetch pypi package 'libcuml' from its registry

Докладніше

Історія зірок і форків 0 ★ / 677 ⇿
0Зірки
677Форки
53Релізи

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.

0125250375500625750673112018-102022-092026-09
Мажорні 0Мінорні 36Патчі 12

Кожна точка охоплює 8 днів.

OpenSSF Scorecard 5.9 / 10
5.9сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-09-17 17:38 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 33 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
н/дPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 25
РеєстрПакетОбмеження версіїМаніфест
PyPIcuda-bindings>=13.0.2,<14.0python/cuml/pyproject.toml
PyPIcuda-toolkit==13.*python/cuml/pyproject.toml
PyPIcudf==26.12.*,>=0.0.0a0python/cuml/pyproject.toml
PyPIcupy-cuda13x>=14.0.1,!=14.1.0python/cuml/pyproject.toml
PyPIjoblib>=0.11python/cuml/pyproject.toml
PyPIlibcuml==26.12.*,>=0.0.0a0python/cuml/pyproject.toml
PyPInumba-cuda>=0.22.2python/cuml/pyproject.toml
PyPInumba>=0.60.0,<0.65.0python/cuml/pyproject.toml
PyPInumpy>=2.0,<3.0python/cuml/pyproject.toml
PyPInvforest==26.12.*,>=0.0.0a0python/cuml/pyproject.toml
PyPInvidia-nvjitlink>=13.3,<14python/cuml/pyproject.toml
PyPIpackaging—python/cuml/pyproject.toml
PyPIpylibraft==26.12.*,>=0.0.0a0python/cuml/pyproject.toml
PyPIrich—python/cuml/pyproject.toml
PyPIrmm==26.12.*,>=0.0.0a0python/cuml/pyproject.toml
PyPIscikit-learn>=1.6python/cuml/pyproject.toml
PyPIscipy>=1.14.0python/cuml/pyproject.toml
PyPItreelite>=4.7.2,<5.0.0python/cuml/pyproject.toml
PyPIcuda-toolkit==13.*python/libcuml/pyproject.toml
PyPIlibcuvs==26.12.*,>=0.0.0a0python/libcuml/pyproject.toml
PyPIlibnvforest==26.12.*,>=0.0.0a0python/libcuml/pyproject.toml
PyPIlibraft==26.12.*,>=0.0.0a0python/libcuml/pyproject.toml
PyPIlibrmm==26.12.*,>=0.0.0a0python/libcuml/pyproject.toml
PyPInvidia-nvjitlink>=13.3,<14python/libcuml/pyproject.toml
PyPIrapids-logger==0.3.*python/libcuml/pyproject.toml
Усі залежності 48

Повний розв'язаний набір залежностей із графа залежностей GitHub: 26 прямих і 22 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIcuda-bindings—пряма
PyPIcuda-toolkit—пряма
PyPIcudf—пряма
PyPIcudf24.6.*пряма
PyPIcupy-cuda13x—пряма
PyPIjoblib—пряма
PyPIlibcuml—пряма
PyPIlibcuvs—пряма
PyPIlibnvforest—пряма
PyPIlibraft—пряма
PyPIlibrmm—пряма
PyPInumba—пряма
PyPInumba-cuda—пряма
PyPInumpy—пряма
PyPInvforest—пряма
PyPInvidia-nvjitlink—пряма
PyPIpackaging—пряма
PyPIpylibraft—пряма
PyPIpylibraft24.6.*пряма
PyPIrapids-logger—пряма
PyPIrmm—пряма
PyPIrmm24.6.*пряма
PyPIscikit-learn—пряма
PyPIscipy—пряма
PyPItreelite—пряма
PyPItreelite4.1.2пряма
PyPIcupy-cuda11x—непряма
PyPIcython—непряма
PyPIdask-cuda—непряма
PyPIdask-cuda24.6.*непряма
PyPIdask-cudf—непряма
PyPIdask-cudf24.6.*непряма
PyPIdask-ml—непряма
PyPIhdbscan—непряма
PyPIhypothesis—непряма
PyPIipython—непряма
PyPInumpydoc—непряма
PyPInvidia-ml-py—непряма
PyPIraft-dask—непряма
PyPIraft-dask24.6.*непряма
PyPIrapids-build-backend—непряма
PyPIrapids-dask-dependency—непряма
PyPIrapids-dask-dependency24.6.*непряма
PyPIscikit-build-core—непряма
PyPIsphinx—непряма
PyPIsphinx-rtd-theme—непряма
PyPIumap-learn—непряма
PyPIxgboost—непряма
Сповіщення про залежності 0

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 1 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 0 мають відомі сповіщення, з них 0 прямі. 47 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

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/cuml. Читати поруч →

98NVIDIA/ccclCUDA Core Compute LibrariesВинятковий98NVIDIA/warpA Python framework for GPU-accelerated simulation, robotics, and machine learning.Винятковий97flashinfer-ai/flashinferFlashInfer: Kernel Library for LLM ServingВинятковий96NVIDIA/cudnn-frontendcuDNN Frontend is NVIDIA's modern, open-source entry point to the cuDNN library and a growing collection of high-performance open-source kernels.Винятковий96NVIDIA/raftRAFT contains fundamental widely-used algorithms and primitives for machine learning and information retrieval. The algorithms are CUDA-accelerated and form building blocks for more easily writing high performance applications.Винятковий94tenstorrent/tt-metal:metal: TT-NN operator library, and TT-Metalium low level kernel programming model.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.