Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-20 08:24 UTC

keras-team / keras

Deep Learning for humans

PythonApache-2.0★ 64 321 зірка⑂ 19 802 форкиз бер. 2015 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#deep-learning#tensorflow#neural-networks#machine-learning#data-science#python#jax#pytorch

keras-team/keras має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (100/100), найнижчий — AI Readiness (59/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 3 учасники.

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

KerasОрганізація
2 827 підписників25 публічних репозиторіївз груд. 2017 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIkeras3.15.112 391 26412452 дні 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 — 1 043 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year1 043
human_commit_share0,97
days_since_last_push0
active_weeks_last_year52

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 93 релізів
36/36Свіжість релізів — останній реліз 52 дн. тому
27/27Ритм релізів — реліз кожні ~21,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count93
latest_release_tagv3.12.4
releases_from_tagsні
days_since_latest_release52
mean_days_between_releases21,8

Спільнота та впровадження

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

92Відмінний · 17% загального індексу

Популярність і впровадження

100Винятковий
Як обчислюється оцінка
60/60Зірки — 64 321 зірок
25/25Форки — 19 802 форків
15/15Спостерігачі — 1 852 спостерігачів
Використані вхідні дані
forks19 802
stars64 321
watchers1 852
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
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
6.3/6.3Шаблон 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_templateтак

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 12 391 264 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packageskeras
dependents—
ecosystemspypi
total_downloads—
monthly_downloads12 391 264
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?

78Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

70Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
13.4/22.5Розподіл комітів — головний контриб’ютор — автор 40% комітів
13.5/13.5Широта контриб’юторів — 99 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor3
contributors_sampled99
top_contributor_share0,404

Реактивність на issue та PR

73Добрий
Як обчислюється оцінка
41.5/42Вирішення issue — закрито 99% issue
16.3/30Прийняття PR — злито 5 337/9 825 вирішених PR
4.3/13Newcomer PR acceptance — злито 2/6 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs5 337
open_issues136
closed_issues12 783
prs_merged_7d31
prs_decided_7d36
prs_merged_30d45
prs_decided_30d54
issue_closed_ratio0,989
closed_unmerged_prs4 488
first_time_authors_30d5
first_time_prs_merged_30d2
first_time_prs_decided_30d6

Власність та опіка

77Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
24.8/25Охоплення власника — 2 827 підписників у keras-team
22.3/25Послужний список — 25 публічних репозиторіїв, вік облікового запису ~8 р.
Використані вхідні дані
followers2 827
owner_typeOrganization
is_verifiedні
owner_loginkeras-team
public_repos25
account_age_days3 204

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 52 дн. тому
20/20Історія версій — 124 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packageskeras
ecosystemspypi
any_deprecatedні
min_days_since_publish52

Інженерна якість

Чи наявні базові інженерні практики та документація?

85Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 14 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

75Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — http://keras.io/
10/10Опис репозиторію
10/10Теми — 8 тем
10/10Wiki
Використані вхідні дані
topicsdeep-learning, tensorflow, neural-networks, machine-learning, data-science, python, jax, pytorch
has_wikiтак
homepagehttp://keras.io/
docs_sitehttp://keras.io/
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

78Добрий · 16% загального індексу

Стан безпеки

73Добрий
Як обчислюється оцінка
30/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements-common.txt, requirements-jax-cuda.txt, requirements-jax-tpu.txt, requirements-tensorflow-cuda.txt, requirements-tensorflow-tpu.txt, requirements-torch-cuda.txt, requirements.txt
has_codeql_workflowні
has_security_policyтак
has_dependabot_configтак
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_packages12
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:keras@3.15.1 — тим, що тягне за собою встановлення опублікованого пакета, — 12 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.

59Помірний · 4% загального індексу

Контекст і настанови для агентів

40Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 93 з 97 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,959
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

61Помірний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
0/11Статична перевірка типів
10/10Відтворюване середовище — devcontainer
4/10Підтверджена практика роботи з агентами — 2 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 3 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerтак
has_linter_configтак
typecheck_configs—
agent_commit_share0,02
toolchain_manifests—
dependency_bot_commit_share0,03

Читабельність коду для моделей

53Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.3/55Керовані розміри файлів — 31/991 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes486 913
source_files_sampled991
oversized_source_files31

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

64 321зірок GitHub
99контриб'юторів
1 043комітів за останні 12 місяців
0днів від останнього пушу
93релізів
3бас-фактор
136відкритих 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 23 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/20 08:23:55 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 ★ / 19 802 ⇿
0Зірки
19 802Форки
23Релізи

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.

18 50019 00019 50020 00019 802142024-102025-092026-09
Мажорні 0Мінорні 10Патчі 13

Кожна точка охоплює 2 днів.

Прямі залежності 8
РеєстрПакетОбмеження версіїМаніфест
PyPIabsl-py—pyproject.toml
PyPInumpy—pyproject.toml
PyPIrich—pyproject.toml
PyPInamex—pyproject.toml
PyPIh5py—pyproject.toml
PyPIoptree—pyproject.toml
PyPIml-dtypes—pyproject.toml
PyPIpackaging—pyproject.toml
Усі залежності 41

Повний розв'язаний набір залежностей із графа залежностей GitHub: 8 прямих і 33 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIabsl-py—пряма
PyPIh5py—пряма
PyPIml-dtypes—пряма
PyPInamex—пряма
PyPInumpy—пряма
PyPIoptree—пряма
PyPIpackaging—пряма
PyPIrich—пряма
PyPIai-edge-litert—непряма
PyPIbuild—непряма
PyPIcoverage—непряма
PyPIdm-tree—непряма
PyPIflax—непряма
PyPIgrain—непряма
PyPIjax—непряма
PyPIjax2onnx—непряма
PyPIlitert-torch—непряма
PyPIonnxruntime—непряма
PyPIonnxscript—непряма
PyPIopenvino—непряма
PyPIorbax-checkpoint—непряма
PyPIpandas—непряма
PyPIpillow—непряма
PyPIpre-commit—непряма
PyPIprotobuf—непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-xdist—непряма
PyPIrequests—непряма
PyPIruff—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsetuptools—непряма
PyPItensorboard—непряма
PyPItensorboard-plugin-profile—непряма
PyPItensorflow2.20.0непряма
PyPItensorflow-cpu—непряма
PyPItensorflow-tpu2.19.1непряма
PyPItf2onnx—непряма
PyPItorch—непряма
PyPItorch-xla—непряма
Сповіщення про залежності 0

Встановлення pypi:keras@3.15.1 тягне 12 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 keras-team/keras. Читати поруч →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий98PennyLaneAI/pennylanePennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quantum algorithms, from inspiration to implementation.Винятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий

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.