Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-13 05:41 UTC

onnx / onnxmltools

ONNXMLTools enables conversion of models to ONNX

PythonApache-2.0★ 1 167 зірок⑂ 218 форківз лют. 2018 р.Переглянути на GitHub ↗
ТипБібліотекаІнструмент командного рядкаяк це визначено
#machine-learning#python-library#onnx#scikit-learn#keras

onnx/onnxmltools має індекс здоров’я 78 зі 100, що відповідає смузі «Добрий». Найвищий показник — Sustainability & Governance (81/100), найнижчий — AI Readiness (50/100). Останнє оновлення було 11 днів тому. Більшість нещодавньої роботи виконують 3 учасники.

78
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»).

78
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 67 калібровано до 78 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Open Neural Network ExchangeОрганізація
2 733 підписники30 публічних репозиторіївз вер. 2017 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIonnxmltools1.16.0-25194 дні тому

Метрики за категоріями

Життєздатність

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

57Помірний · 21% загального індексу

Активність розробки

53Помірний
Як обчислюється оцінка
28.8/36Свіжість push — останній push 11 дн. тому
6.2/36Ритм комітів — 9/52 тижнів із комітами
13/18Обсяг комітів — 27 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year27
human_commit_share0,91
days_since_last_push11
active_weeks_last_year9

Дисципліна релізів

62Помірний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 27 релізів
16.2/36Свіжість релізів — останній реліз 194 дн. тому
12.6/27Ритм релізів — реліз кожні ~173,5 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count27
latest_release_tag1.16.0
releases_from_tagsні
days_since_latest_release194
mean_days_between_releases173,5

Спільнота та впровадження

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

65Добрий · 17% загального індексу

Популярність і впровадження

78Добрий
Як обчислюється оцінка
49.7/60Зірки — 1 167 зірок
19.5/25Форки — 218 форків
8.8/15Спостерігачі — 40 спостерігачів
Використані вхідні дані
forks218
stars1 167
watchers40
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

50Помірний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges1
has_contributingні
has_issue_templateні
has_code_of_conductні
readme_badge_servicesgithub.com
has_pull_request_templateні

Сталість та врядування

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

81Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

73Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
16.5/22.5Розподіл комітів — головний контриб’ютор — автор 27% комітів
13.5/13.5Широта контриб’юторів — 46 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor3
contributors_sampled46
top_contributor_share0,268

Реактивність на issue та PR

65Добрий
Як обчислюється оцінка
24.2/42Вирішення issue — закрито 58% issue
22.4/30Прийняття PR — злито 343/459 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs343
open_issues132
closed_issues180
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d3
issue_closed_ratio0,577
closed_unmerged_prs116
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

97Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
24.7/25Охоплення власника — 2 733 підписників у onnx
22.9/25Послужний список — 30 публічних репозиторіїв, вік облікового запису ~8 р.
Використані вхідні дані
followers2 733
owner_typeOrganization
is_verified—
owner_loginonnx
public_repos30
account_age_days3 263
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

91Відмінний
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
26/35Свіжість публікацій — остання публікація 194 дн. тому
20/20Історія версій — 25 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesonnxmltools
ecosystemspypi
any_deprecatedні
min_days_since_publish194

Інженерна якість

Чи наявні базові інженерні практики та документація?

76Добрий · 19% загального індексу

Інженерні практики

60Помірний
Як обчислюється оцінка
24/24Процеси CI — 6 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

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://onnx.ai
10/10Опис репозиторію
10/10Теми — 5 тем
10/10Wiki
Використані вхідні дані
topicsmachine-learning, python-library, onnx, scikit-learn, keras
has_wikiтак
homepagehttps://onnx.ai
docs_sitehttps://onnx.ai
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

56Помірний · 16% загального індексу

Стан безпеки

45Слабкий
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей
20/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements-dev.txt, requirements.txt
has_codeql_workflowтак
has_security_policyні
has_dependabot_configтак

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_packages11
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:onnxmltools@1.16.0 — тим, що тягне за собою встановлення опублікованого пакета, — 11 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.

50Помірний · 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 90 з 91 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,989
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

36Слабкий
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
0/10Відтворюване середовище
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 9 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_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,09

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.8/55Керовані розміри файлів — 1/280 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes113 027
source_files_sampled280
oversized_source_files1

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

1 167зірок GitHub
46контриб'юторів
27комітів за останні 12 місяців
11днів від останнього пушу
27релізів
3бас-фактор
132відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (2026/08/13 05:40:52 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 ★ / 218 ⇿
0Зірки
218Форки
27Релізи

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.

0408012016020024021442018-022022-052026-07
Мажорні 0Мінорні 11Патчі 10

Кожна точка охоплює 8 днів.

Прямі залежності 4
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy—pyproject.toml
PyPIonnx>=1.8.1pyproject.toml
PyPIprotobuf—pyproject.toml
PyPIskl2onnx>=1.4.9pyproject.toml
Усі залежності 24

Повний розв'язаний набір залежностей із графа залежностей GitHub: 4 прямих і 20 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPInumpy—пряма
PyPIonnx—пряма
PyPIprotobuf—пряма
PyPIskl2onnx—пряма
PyPIblack—непряма
PyPIcatboost—непряма
PyPIcython—непряма
PyPIdill—непряма
PyPIlibsvm—непряма
PyPIlightgbm—непряма
PyPImleap—непряма
PyPIonnxruntime—непряма
PyPIopenpyxl—непряма
PyPIpandas—непряма
PyPIpyspark—непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-spark—непряма
PyPIruff—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsetuptools—непряма
PyPIwheel—непряма
PyPIxgboost—непряма
Сповіщення про залежності 0

Встановлення pypi:onnxmltools@1.16.0 тягне 11 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 onnx/onnxmltools. Читати поруч →

100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий95fastmachinelearning/hls4mlMachine learning on FPGAs using HLSВинятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий98sktime/sktimeA unified framework for machine learning with time seriesВинятковий

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 v0.31.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.