Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 23:19 UTC

openvinotoolkit / nncf

Neural Network Compression Framework for enhanced OpenVINO™ inference

PythonApache-2.0★ 1 199 зірок⑂ 305 форківз трав. 2020 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#quantization#pruning#sparsity#quantization-aware-training#mixed-precision-training#compression#semantic-segmentation#object-detection#classification#nlp#bert#transformers#pytorch#tensorflow#onnx#openvino#deep-learning#genai#llm

openvinotoolkit/nncf має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (96/100), найнижчий — Security (78/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 4 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 87 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

OpenVINO™ ToolkitОрганізація
1 868 підписників48 публічних репозиторіївз вер. 2019 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPInncf3.4.01 333 362350 днів томуbertclassificationcompressionhawqmixed-precision-trainingmmdetectionnasnlpobject-detectionpruningquantizationquantization-aware-trainingsemantic-segmentationsparsitytransformers

Метрики за категоріями

Життєздатність

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

96Винятковий · 21% загального індексу

Активність розробки

98Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
34.6/36Ритм комітів — 50/52 тижнів із комітами
18/18Обсяг комітів — 373 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year373
human_commit_share0,83
days_since_last_push0
active_weeks_last_year50

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 37 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
19.8/27Ритм релізів — реліз кожні ~65,3 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count37
latest_release_tagv3.4.0
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases65,3

Спільнота та впровадження

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

89Відмінний · 17% загального індексу

Популярність і впровадження

79Добрий
Як обчислюється оцінка
49.9/60Зірки — 1 199 зірок
20.7/25Форки — 305 форків
8.3/15Спостерігачі — 32 спостерігачів
Використані вхідні дані
forks305
stars1 199
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges6
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 1 333 362 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesnncf
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1 333 362
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?

83Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

82Відмінний
Як обчислюється оцінка
43.2/54Бас-фактор — на 4 контриб’ютор(ів) припадає половина всіх комітів
17.4/22.5Розподіл комітів — головний контриб’ютор — автор 23% комітів
13.5/13.5Широта контриб’юторів — 77 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor4
contributors_sampled77
top_contributor_share0,228

Реактивність на issue та PR

77Добрий
Як обчислюється оцінка
39.4/42Вирішення issue — закрито 94% issue
26.1/30Прийняття PR — злито 3 267/3 756 вирішених PR
0/13Newcomer PR acceptance — злито 0/2 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs3 267
open_issues24
closed_issues360
prs_merged_7d5
prs_decided_7d6
prs_merged_30d24
prs_decided_30d32
issue_closed_ratio0,938
closed_unmerged_prs489
first_time_authors_30d2
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Власність та опіка

78Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
23.5/25Охоплення власника — 1 868 підписників у openvinotoolkit
24.3/25Послужний список — 48 публічних репозиторіїв, вік облікового запису ~7 р.
Використані вхідні дані
followers1 868
owner_typeOrganization
is_verifiedні
owner_loginopenvinotoolkit
public_repos48
account_age_days2 557

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 35 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesnncf
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

89Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 25 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

85Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
0/15Сайт документації / домашня сторінка
10/10Опис репозиторію
10/10Теми — 19 тем
10/10Wiki
Використані вхідні дані
topicsquantization, pruning, sparsity, quantization-aware-training, mixed-precision-training, compression, semantic-segmentation, object-detection, classification, nlp, bert, transformers, pytorch, tensorflow, onnx, openvino, deep-learning, genai, llm
has_wikiтак
homepage—
docs_site—
has_readmeтак
has_docs_dirтак
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
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
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
advisories14
affected_packages7
assessed_packages73
unassessed_packages36
affected_by_severityhigh 3, moderate 2, unknown 2
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 73 резолвлених залежностей із OSV. 36 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.

80Відмінний · 4% загального індексу

Контекст і настанови для агентів

100Винятковий
Як обчислюється оцінка
45/45Інструкції для агентів — .github/copilot-instructions.md
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://pytorch.org/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 83 з 83 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share1
agent_instruction_files.github/copilot-instructions.md
agent_instruction_max_bytes2 356

Цикл верифікації (збірка / тести / перевірка типів)

68Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
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 — 17 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_filesMakefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,17

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.3/55Керовані розміри файлів — 10/752 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes109 688
source_files_sampled752
oversized_source_files10

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
Використані вхідні дані
example_dirsexamples, 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

1 199зірок GitHub
77контриб'юторів
373комітів за останні 12 місяців
0днів від останнього пушу
37релізів
4бас-фактор
24відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'nncf' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for nncf carried forward from the previous scan (stats endpoint unavailable this scan)
  • deps.dev does not index pypi:nncf@3.4.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 23:18:32 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 ★ / 305 ⇿
0Зірки
305Форки
36Релізи

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.

05010015020025030029572020-052023-072026-09
Мажорні 2Мінорні 25Патчі 8

Кожна точка охоплює 6 днів.

Прямі залежності 12
РеєстрПакетОбмеження версіїМаніфест
PyPInetworkx>=2.6, <=3.6.1pyproject.toml
PyPIninja>=1.10.0.post2, <1.14pyproject.toml
PyPInumpy>=1.24.0, <2.5.0pyproject.toml
PyPIopenvino-telemetry>=2023.2.0pyproject.toml
PyPIpackaging>=20.0pyproject.toml
PyPIpsutil—pyproject.toml
PyPIpydot>=1.4.1, <=4.0.1pyproject.toml
PyPIrich>=13.5.2pyproject.toml
PyPIsafetensors>=0.4.1pyproject.toml
PyPIscikit-learn>=0.24.0pyproject.toml
PyPIscipy>=1.3.2pyproject.toml
PyPItabulate>=0.9.0pyproject.toml
Усі залежності 109

Повний розв'язаний набір залежностей із графа залежностей GitHub: 18 прямих і 91 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPInetworkx—пряма
PyPIninja—пряма
PyPInumpy—пряма
PyPInumpy1.26.4пряма
PyPInumpy2.2.6пряма
PyPInumpy2.4.6пряма
PyPIopenvino-telemetry—пряма
PyPIpackaging—пряма
PyPIpsutil—пряма
PyPIpydot—пряма
PyPIrich—пряма
PyPIsafetensors—пряма
PyPIsafetensors0.6.2пряма
PyPIscikit-learn—пряма
PyPIscipy—пряма
PyPIscipy1.18.0пряма
PyPItabulate—пряма
PyPItabulate0.10.0пряма
PyPIaccelerate1.9.0непряма
PyPIaddict—непряма
PyPIanomalib0.6.0непряма
PyPIanomalib2.2.0непряма
PyPIastroid4.1.2непряма
PyPIatheris2.3.0непряма
PyPIdatasets4.6.1непряма
PyPIdatasets5.0.0непряма
PyPIdatasets5.0.1непряма
PyPIefficientnet-pytorch0.7.1непряма
PyPIexecutorch1.3.1непряма
PyPIfastcore1.11.5непряма
PyPIfastdownload0.0.7непряма
PyPIfastprogress1.0.5непряма
PyPIfuro2025.12.19непряма
PyPIgptqmodel—непряма
PyPIgptqmodel5.6.12непряма
PyPIhuggingface-hub0.36.2непряма
PyPIipykernel7.1.0непряма
PyPIipython8.37.0непряма
PyPIkaleido—непряма
PyPIkernels0.12.3непряма
PyPIlibrosa0.10.0непряма
PyPIlm-eval0.4.12непряма
PyPImatplotlib—непряма
PyPImatplotlib3.10.7непряма
PyPImatplotlib3.10.9непряма
PyPImdutils—непряма
PyPImemory-profiler0.61.0непряма
PyPInbclient0.10.4непряма
PyPInbformat5.10.4непряма
PyPIonnx1.21.0непряма
PyPIonnx1.22.0непряма
PyPIonnx-ir0.1.15непряма
PyPIonnx-ir1.0.0непряма
PyPIonnxruntime1.24.3непряма
PyPIonnxscript0.6.2непряма
PyPIonnxscript0.7.1непряма
PyPIopenvino—непряма
PyPIopenvino2026.1.0непряма
PyPIopenvino2026.3.0непряма
PyPIopenvino2026.3.1непряма
PyPIopenvino-tokenizers—непряма
PyPIoptimum2.3.0непряма
PyPIoptimum-intel—непряма
PyPIoptimum-intel2.1.0непряма
PyPIoptimum-onnx—непряма
PyPIpandas—непряма
PyPIpandas2.3.3непряма
PyPIpillow—непряма
PyPIplotly-express—непряма
PyPIpycocotools—непряма
PyPIpycocotools2.0.7непряма
PyPIpytest9.0.3непряма
PyPIpytest-cov7.1.0непряма
PyPIpytest-forked1.6.0непряма
PyPIpytest-mock3.15.1непряма
PyPIpytest-ordering0.6непряма
PyPIpytest-split—непряма
PyPIpytest-split0.11.0непряма
PyPIpytest-xdist3.8.0непряма
PyPIpyyaml—непряма
PyPIrequests2.33.0непряма
PyPIsentence-transformers5.6.0непряма
PyPIsetuptools—непряма
PyPIsetuptools81.0.0непряма
PyPIsoundfile0.12.1непряма
PyPIsphinx9.1.0непряма
PyPIsphinx-autoapi3.8.0непряма
PyPItensorboard2.20.0непряма
PyPItensorflow-io0.37.1непряма
PyPItimm0.9.2непряма
PyPItimm1.0.22непряма
PyPItorch—непряма
PyPItorch2.10.0непряма
PyPItorch2.13.0непряма
PyPItorchao—непряма
PyPItorchao0.17.0непряма
PyPItorchao0.18.0непряма
PyPItorchmetrics1.0.1непряма
PyPItorchvision—непряма
PyPItorchvision0.25.0непряма
PyPItorchvision0.28.0непряма
PyPItqdm—непряма
PyPItransformers—непряма
PyPItransformers5.5.0непряма
PyPIultralytics8.3.221непряма
PyPIultralytics8.4.21непряма
PyPIvirtualenv—непряма
PyPIwhowhatbench—непряма
PyPIyattag—непряма
Сповіщення про залежності 7

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 73 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 7 мають відомі сповіщення, з них 0 прямі. 36 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
accelerate1.9.0непрямависока2—
torch2.10.0непрямависока22.13.0
transformers5.5.0непрямависока25.10.0
onnx1.21.0непрямапомірна41.22.0
setuptools81.0.0непрямапомірна283.0.0
datasets4.6.1непряманевідома15.0.1
datasets5.0.0непряманевідома15.0.1

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 openvinotoolkit/nncf. Читати поруч →

98vllm-project/llm-compressorTransformers-compatible library for applying various compression algorithms to LLMs for optimized deployment with vLLMВинятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий96roboflow/supervisionWe write your reusable computer vision tools. 💜Винятковий96keras-team/keras-hubPretrained model hub for Keras 3.Винятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий

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.