Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-21 03:58 UTC

marinerhemant / MIDAS

The repository provides codes under the Microstructural Identification using Diffraction Analysis Software

Jupyter Notebook · PythonВласна ліцензія★ 28 зірок⑂ 21 форкз серп. 2015 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#diffraction#midas#hedm#argonne

marinerhemant/MIDAS має індекс здоров’я 77 зі 100, що відповідає смузі «Добрий». Найвищий показник — Vitality (95/100), найнижчий — Community & Adoption (52/100). Останнє оновлення було 6 днів тому. Більшість нещодавньої роботи виконує один учасник.

77
загалом / 100
Добрий

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»).

77
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 66 калібровано до 77 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Hemant SharmaОсобистий обліковий запис
13 підписників1 публічний репозиторійз вер. 2013 р.@AdvancedPhotonSource

Цей репозиторій належить особистому обліковому запису. Проєкт з єдиним власником несе більший ризик безперервності, ніж підтримуваний організацією.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPImidas-2d0.3.3145563 дні тому—
PyPImidas-dt0.8.0122136 днів томуmidasxrd-ctdiffraction-tomographydtsynchrotronchemical-tomography
PyPImidas-ddd0.1.2625339 днів томуmidasdislocationdiscrete-dislocation-dynamicsdddexadisparadisstrohanisotropic-elasticitydislocation-loopeigenstraindifferentiablepytorch
PyPImidas-dfxm0.14.0901206 днів тому—
PyPImidas-hkls0.16.01 6762020 днів тому—
PyPImidas-index0.10.05822220 днів томуmidashedmindexingpytorchfar-fielddiffractioncrystallographypolycrystalgrain
PyPImidas-dct-tt0.1.3145440 днів тому—
PyPImidas-defect0.9.11 616196 днів тому—

Метрики за категоріями

Життєздатність

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

95Винятковий · 21% загального індексу

Активність розробки

92Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 6 дн. тому
28.4/36Ритм комітів — 41/52 тижнів із комітами
18/18Обсяг комітів — 2 589 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year2 589
human_commit_share1
days_since_last_push6
active_weeks_last_year41

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 100 релізів
36/36Свіжість релізів — останній реліз 6 дн. тому
27/27Ритм релізів — реліз кожні ~0 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count100
latest_release_tagmidas-saxs-v0.2.0
releases_from_tagsні
days_since_latest_release6
mean_days_between_releases0
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?

52Помірний · 17% загального індексу

Популярність і впровадження

38Слабкий
Як обчислюється оцінка
23.2/60Зірки — 28 зірок
10.8/25Форки — 21 форків
3.9/15Спостерігачі — 6 спостерігачів
Використані вхідні дані
forks21
stars28
watchers6
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

64Помірний
Як обчислюється оцінка
22.5/22.5README
16.9/22.5Ліцензія — файл ліцензії наявний, не є визнаною ліцензією
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges1
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesshields.io
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

58Помірний
Як обчислюється оцінка
46.4/80Щомісячні завантаження — 3 005 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesmidas-dt, midas-ddd, midas-hkls, midas-index
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3 005
unverified_packages_excludedmidas-2d, midas-dfxm, midas-dct-tt, midas-defect
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?

57Помірний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

29У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
0.1/22.5Розподіл комітів — головний контриб’ютор — автор 100% комітів
9.5/13.5Широта контриб’юторів — 7 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Використані вхідні дані
bus_factor1
contributors_sampled7
top_contributor_share0,995

Реактивність на issue та PR

73Добрий
Як обчислюється оцінка
40.8/42Вирішення issue — закрито 97% issue
22.3/30Прийняття PR — злито 26/35 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Використані вхідні дані
merged_prs26
open_issues1
closed_issues34
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,971
closed_unmerged_prs9
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

40Слабкий
Як обчислюється оцінка
10/30Підтримка власника — особистий (користувацький) обліковий запис
0/20Верифікований домен — не застосовно до користувацьких облікових записів
8.2/25Охоплення власника — 13 підписників у marinerhemant
14.2/25Послужний список — 1 публічних репозиторіїв, вік облікового запису ~13 р.
Використані вхідні дані
followers13
owner_typeUser
is_verified—
owner_loginmarinerhemant
public_repos1
account_age_days4 785
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 8 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 6 дн. тому
20/20Історія версій — 22 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesmidas-2d, midas-dt, midas-ddd, midas-dfxm, midas-hkls, midas-index, midas-dct-tt, midas-defect
ecosystemspypi
any_deprecatedні
min_days_since_publish6

Інженерна якість

Чи наявні базові інженерні практики та документація?

66Добрий · 19% загального індексу

Інженерні практики

60Помірний
Як обчислюється оцінка
24/24Процеси CI — 3 процес(ів) CI
24/24Наявні тести
0/16Конфігурація лінтера
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_configні
has_precommit_configні
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: CI-Tests. Залишкові ваги перенормовано.

Документація

75Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — https://github.com/marinerhemant/MIDAS/tree/master/packages/midas_ddd
10/10Опис репозиторію
10/10Теми — 4 тем
10/10Wiki
Використані вхідні дані
topicsdiffraction, midas, hedm, argonne
has_wikiтак
homepage—
docs_sitehttps://github.com/marinerhemant/MIDAS/tree/master/packages/midas_ddd
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

55Помірний · 16% загального індексу

Стан безпеки

44Слабкий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — немає даних
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4,4
Виключено з оцінювання (немає даних або не застосовно): CI-Tests, 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
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_packages40
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:midas-2d@0.3.3 — тим, що тягне за собою встановлення опублікованого пакета, — 40 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.

60Помірний · 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 100 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

53Помірний
Як обчислюється оцінка
18/18Розгортання однією командою — packages/midas_defect/docs/Makefile
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
11/11Статична перевірка типів — packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
0/10Відтворюване середовище
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
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_dockerfileні
typed_languageні
bootstrap_filespackages/midas_defect/docs/Makefile
has_devcontainerні
has_linter_configні
typecheck_configspackages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Jupyter Notebook з конфігурацією перевірки типів (packages/midas_ff_pipeline/midas_ff_pipeline/py.typed, packages/midas_pipeline/midas_pipeline/py.typed)
54/55Керовані розміри файлів — 51/2 699 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageJupyter Notebook
largest_source_bytes302 319
source_files_sampled2 699
oversized_source_files51

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 — example, examples, notebooks
Використані вхідні дані
example_dirsexample, examples, notebooks
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

28зірок GitHub
7контриб'юторів
2 589комітів за останні 12 місяців
6днів від останнього пушу
100релізів
1бас-фактор
1відкритих issue
—пакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Докладніше

Історія зірок і форків 0 ★ / 21 ⇿
0Зірки
21Форки

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.

048121620242112016-062021-062026-05

Кожна точка охоплює 10 днів.

OpenSSF Scorecard 4.4 / 10
4.4сукупно

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 · 2026-10-21 03:57 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
н/дCI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 143
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>=1.20packages/midas_2d/pyproject.toml
PyPItorch>=2.0packages/midas_2d/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_2d/pyproject.toml
PyPImidas-pink>=0.1packages/midas_2d/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_2d/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate/pyproject.toml
PyPImidas-distortion>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate/pyproject.toml
PyPImidas-integrate>=0.9.0packages/midas_calibrate/pyproject.toml
PyPImidas-peakfit>=0.2.0packages/midas_calibrate/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate/pyproject.toml
PyPIpsutil>=5.8packages/midas_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_calibrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_calibrate_v2/pyproject.toml
PyPIscipy>=1.9packages/midas_calibrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_calibrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-integrate>=0.1.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-peakfit>=0.4.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-calibrate>=0.6.0packages/midas_calibrate_v2/pyproject.toml
PyPIh5py>=3.0packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_calibrate_v2/pyproject.toml
PyPItifffile>=2022.0packages/midas_calibrate_v2/pyproject.toml
PyPImidas-zipper>=0.1.1packages/midas_calibrate_v2/pyproject.toml
PyPIscikit-image>=0.19packages/midas_calibrate_v2/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dct_tt/pyproject.toml
PyPInumpy>=1.20packages/midas_dct_tt/pyproject.toml
PyPItorch>=2.0packages/midas_dct_tt/pyproject.toml
PyPImidas-dfxm>=0.3.1packages/midas_dct_tt/pyproject.toml
PyPImidas-stress>=0.8.1packages/midas_dct_tt/pyproject.toml
PyPImidas-diffract>=0.7packages/midas_dct_tt/pyproject.toml
PyPImidas-hkls>=0.7.2packages/midas_dct_tt/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dct_tt/pyproject.toml
PyPImidas-distortion>=0.2packages/midas_dct_tt/pyproject.toml
PyPInumpy>=1.22packages/midas_ddd/pyproject.toml
PyPItorch>=2.0packages/midas_ddd/pyproject.toml
PyPImidas-stress>=0.8.0packages/midas_ddd/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_defect/pyproject.toml
PyPItorch>=2.0packages/midas_defect/pyproject.toml
PyPIpandas>=1.5packages/midas_defect/pyproject.toml
PyPIscipy>=1.10packages/midas_defect/pyproject.toml
PyPItifffile>=2023.0packages/midas_defect/pyproject.toml
PyPIscikit-image>=0.20packages/midas_defect/pyproject.toml
PyPIzarr>=2.14packages/midas_defect/pyproject.toml
PyPIh5py>=3.0packages/midas_defect/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_defect/pyproject.toml
PyPImidas-transforms>=0.1packages/midas_defect/pyproject.toml
PyPImidas-hkls>=0.15.0packages/midas_defect/pyproject.toml
PyPImidas-stress>=0.1packages/midas_defect/pyproject.toml
PyPImidas-diffract>=0.10.0packages/midas_defect/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_defect/pyproject.toml
PyPImidas-index>=0.1packages/midas_defect/pyproject.toml
PyPImidas-peakfit>=0.1packages/midas_defect/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_defect/pyproject.toml
PyPImidas-ddd>=0.1.2packages/midas_defect/pyproject.toml
PyPInumpy>=1.20packages/midas_dfxm/pyproject.toml
PyPIscipy>=1.10packages/midas_dfxm/pyproject.toml
PyPItorch>=2.0packages/midas_dfxm/pyproject.toml
PyPImidas-stress—packages/midas_dfxm/pyproject.toml
PyPImidas-hkls>=0.5packages/midas_dfxm/pyproject.toml
PyPImidas-2d>=0.1packages/midas_dfxm/pyproject.toml
PyPImidas-defect—packages/midas_dfxm/pyproject.toml
PyPImidas-ddd>=0.1.0packages/midas_dfxm/pyproject.toml
PyPImidas-invert>=0.1.1packages/midas_dfxm/pyproject.toml
PyPImidas-distortion—packages/midas_dfxm/pyproject.toml
PyPItifffile>=2021.1packages/midas_dfxm/pyproject.toml
PyPIh5py>=3.0packages/midas_dfxm/pyproject.toml
PyPIhdf5plugin>=3.0packages/midas_dfxm/pyproject.toml
PyPInumba>=0.57packages/midas_dfxm/pyproject.toml
PyPInumpy>=1.22packages/midas_diffract/pyproject.toml
PyPItorch>=2.0packages/midas_diffract/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_diffract/pyproject.toml
PyPImidas-stress>=0.8.0packages/midas_diffract/pyproject.toml
PyPInumpy>=1.22packages/midas_distortion/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_dt/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_dt/pyproject.toml
PyPInumpy>=1.22packages/midas_dt/pyproject.toml
PyPImidas-tomo>=0.3.1packages/midas_dt/pyproject.toml
PyPImidas-integrate-v2>=0.7.0packages/midas_dt/pyproject.toml
PyPImidas-integrate>=0.7.0packages/midas_dt/pyproject.toml
PyPIscipy>=1.7packages/midas_dt/pyproject.toml
PyPImidas-pipeline>=0.15.0packages/midas_ff_pipeline/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_ff_pipeline/pyproject.toml
PyPInumpy>=1.22packages/midas_fit_grain/pyproject.toml
PyPItorch>=2.0packages/midas_fit_grain/pyproject.toml
PyPIscipy>=1.10packages/midas_fit_grain/pyproject.toml
PyPImidas-diffract>=0.9.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.13.0packages/midas_fit_grain/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_grain_odf/pyproject.toml
PyPInumpy>=1.20packages/midas_grain_odf/pyproject.toml
PyPItorch>=2.0packages/midas_grain_odf/pyproject.toml
PyPIpandas>=1.5packages/midas_grain_odf/pyproject.toml
PyPIh5py>=3.0packages/midas_grain_odf/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_grain_odf/pyproject.toml
PyPImidas-diffract>=0.10.0packages/midas_grain_odf/pyproject.toml
PyPImidas-stress>=0.1packages/midas_grain_odf/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_hkls/pyproject.toml
PyPInumpy>=1.22packages/midas_hkls/pyproject.toml
PyPIscipy>=1.10packages/midas_hkls/pyproject.toml
PyPImidas-params>=0.11.0packages/midas_index/pyproject.toml
PyPInumpy>=1.22packages/midas_index/pyproject.toml
PyPItorch>=2.0packages/midas_index/pyproject.toml
PyPImidas-diffract>=0.8.0packages/midas_index/pyproject.toml
PyPImidas-stress>=0.5.0,<1.0packages/midas_index/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate/pyproject.toml
PyPIscipy>=1.9packages/midas_integrate/pyproject.toml
PyPItorch>=2.1packages/midas_integrate/pyproject.toml
PyPItifffile>=2022.0packages/midas_integrate/pyproject.toml
PyPIh5py>=3.0packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate/pyproject.toml
PyPInumba>=0.59packages/midas_integrate/pyproject.toml
PyPIjoblib>=1.2packages/midas_integrate/pyproject.toml
PyPIzarr>=2.16,<3packages/midas_integrate/pyproject.toml
PyPIhdf5plugin>=4.0packages/midas_integrate_v2/pyproject.toml
PyPIjoblib>=1.2packages/midas_integrate_v2/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.22packages/midas_integrate_v2/pyproject.toml
PyPItorch>=2.1packages/midas_integrate_v2/pyproject.toml
PyPImidas-integrate>=0.9.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-calibrate-v2>=0.11.0packages/midas_integrate_v2/pyproject.toml
PyPImidas-distortion>=0.2.0packages/midas_integrate_v2/pyproject.toml
PyPInumpy>=1.20packages/midas_invert/pyproject.toml
PyPItorch>=2.0packages/midas_invert/pyproject.toml
PyPIscipy>=1.9packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-params>=0.9.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPInumpy>=1.22packages/midas_joint_ff_calibrate/pyproject.toml
PyPItorch>=2.1packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-peakfit>=0.4.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate-v2>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-calibrate>=0.6.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-fit-grain>=0.11.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-diffract>=0.9.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-hkls>=0.1.0packages/midas_joint_ff_calibrate/pyproject.toml
PyPImidas-process-grains>=0.11.0packages/midas_joint_ff_calibrate/pyproject.toml
Усі залежності 68

Повний розв'язаний набір залежностей із графа залежностей GitHub: 35 прямих і 33 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIh5py—пряма
PyPIhdf5plugin—пряма
PyPIjoblib—пряма
PyPImidas-2d—пряма
PyPImidas-calibrate—пряма
PyPImidas-calibrate-v2—пряма
PyPImidas-ddd—пряма
PyPImidas-defect—пряма
PyPImidas-dfxm—пряма
PyPImidas-diffract—пряма
PyPImidas-distortion—пряма
PyPImidas-fit-grain—пряма
PyPImidas-hkls—пряма
PyPImidas-index—пряма
PyPImidas-integrate—пряма
PyPImidas-integrate-v2—пряма
PyPImidas-invert—пряма
PyPImidas-params—пряма
PyPImidas-peakfit—пряма
PyPImidas-pink—пряма
PyPImidas-pipeline—пряма
PyPImidas-process-grains—пряма
PyPImidas-stress—пряма
PyPImidas-tomo—пряма
PyPImidas-transforms—пряма
PyPImidas-zipper—пряма
PyPInumba—пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIpsutil—пряма
PyPIscikit-image—пряма
PyPIscipy—пряма
PyPItifffile—пряма
PyPItorch—пряма
PyPIzarr—пряма
PyPIfabio—непряма
PyPIgemmi—непряма
PyPImatplotlib—непряма
PyPImidas-dct-tt—непряма
PyPImidas-dt—непряма
PyPImidas-ff-pipeline—непряма
PyPImidas-grain-odf—непряма
PyPImidas-joint-ff-calibrate—непряма
PyPImidas-nf-fitorientation—непряма
PyPImidas-nf-pipeline—непряма
PyPImidas-nf-preprocess—непряма
PyPImidas-parsl-configs—непряма
PyPImidas-pdf—непряма
PyPImidas-pf-odf—непряма
PyPImidas-plotting—непряма
PyPImidas-propagate—непряма
PyPImidas-saxs—непряма
PyPImidas-uq—непряма
PyPImidas-xaf—непряма
PyPImultiprocess—непряма
PyPInumcodecs—непряма
PyPIpillow—непряма
PyPIplotly—непряма
PyPIpycifrw—непряма
PyPIpyro-ppl—непряма
PyPIpytest—непряма
PyPIpytest-benchmark—непряма
PyPIpytest-cov—непряма
PyPIscikit-build-core—непряма
PyPIsetuptools—непряма
PyPIsr-midas—непряма
PyPIstreamlit—непряма
PyPItqdm—непряма
Сповіщення про залежності 0

Встановлення pypi:midas-2d@0.3.3 тягне 40 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 marinerhemant/MIDAS. Читати поруч →

100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100huggingface/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. Винятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsВинятковий99huggingface/diffusers🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.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.