Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-09 07:38 UTC

pytorch / ignite

High-level library to help with training and evaluating neural networks in PyTorch flexibly and transparently.

PythonBSD-3-Clause★ 4 772 зірки⑂ 713 форківз лист. 2017 р.Переглянути на GitHub ↗
ТипБібліотекаМережевий сервісяк це визначено
#pytorch#neural-network#python#machine-learning#deep-learning#metrics#hacktoberfest#closember

pytorch/ignite має індекс здоров’я 95 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Engineering Quality (95/100), найнижчий — Security (46/100). Останнє оновлення було 7 днів тому. Більшість нещодавньої роботи виконують 3 учасники.

95
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»).

95
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 82 калібровано до 95 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

pytorchОрганізація
13 479 підписників70 публічних репозиторіївз серп. 2016 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIpytorch-ignite0.5.5323 3602 40717 днів тому

Метрики за категоріями

Життєздатність

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

86Відмінний · 21% загального індексу

Активність розробки

87Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 7 дн. тому
24.2/36Ритм комітів — 35/52 тижнів із комітами
18/18Обсяг комітів — 198 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year198
human_commit_share0,98
days_since_last_push7
active_weeks_last_year35

Дисципліна релізів

84Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 27 релізів
36/36Свіжість релізів — останній реліз 17 дн. тому
12.6/27Ритм релізів — реліз кожні ~157,4 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count27
latest_release_tagv0.5.5
releases_from_tagsні
days_since_latest_release17
mean_days_between_releases157,4

Спільнота та впровадження

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

92Відмінний · 17% загального індексу

Популярність і впровадження

93Винятковий
Як обчислюється оцінка
59.7/60Зірки — 4 772 зірок
23.8/25Форки — 713 форків
9.7/15Спостерігачі — 56 спостерігачів
Використані вхідні дані
forks713
stars4 772
watchers56
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 (BSD-3-Clause)
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_badges17
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicescodecov.io, github.com, shields.io, travis-ci.com
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

92Відмінний
Як обчислюється оцінка
73.5/80Щомісячні завантаження — 323 360 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagespytorch-ignite
dependents—
ecosystemspypi
total_downloads—
monthly_downloads323 360
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?

88Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

70Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
13.1/22.5Розподіл комітів — головний контриб’ютор — автор 42% комітів
13.5/13.5Широта контриб’юторів — 97 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor3
contributors_sampled97
top_contributor_share0,418

Реактивність на issue та PR

89Відмінний
Як обчислюється оцінка
38.7/42Вирішення issue — закрито 92% issue
25.3/30Прийняття PR — злито 1 895/2 246 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_prs1 895
open_issues115
closed_issues1 346
prs_merged_7d0
prs_decided_7d0
prs_merged_30d4
prs_decided_30d4
issue_closed_ratio0,921
closed_unmerged_prs351
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

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
25/25Охоплення власника — 13 479 підписників у pytorch
25/25Послужний список — 70 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers13 479
owner_typeOrganization
is_verified—
owner_loginpytorch
public_repos70
account_age_days3 648
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 17 дн. тому
20/20Історія версій — 2 407 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagespytorch-ignite
ecosystemspypi
any_deprecatedні
min_days_since_publish17

Інженерна якість

Чи наявні базові інженерні практики та документація?

95Винятковий · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 17 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера
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

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://pytorch-ignite.ai
10/10Опис репозиторію
10/10Теми — 8 тем
10/10Wiki
Використані вхідні дані
topicspytorch, neural-network, python, machine-learning, deep-learning, metrics, hacktoberfest, closember
has_wikiтак
homepagehttps://pytorch-ignite.ai
docs_sitehttps://pytorch-ignite.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?

46Слабкий · 16% загального індексу

Стан безпеки

33У зоні ризику
Як обчислюється оцінка
0/30Політика 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—
manifestsdocs/requirements.txt, pyproject.toml, requirements-dev.txt
has_codeql_workflowні
has_security_policyні
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_packages2
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:pytorch-ignite@0.5.5 — тим, що тягне за собою встановлення опублікованого пакета, — 2 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.

70Добрий · 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 97 з 98 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,99
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

100Винятковий
Як обчислюється оцінка
18/18Розгортання однією командою — docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера
11/11Статична перевірка типів — ignite/py.typed
10/10Відтворюване середовище — devcontainer, Dockerfile
10/10Підтверджена практика роботи з агентами — 11 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 2 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesdocs/Makefile
has_devcontainerтак
has_linter_configтак
typecheck_configsignite/py.typed
agent_commit_share0,11
toolchain_manifests—
dependency_bot_commit_share0,02

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (ignite/py.typed)
54.4/55Керовані розміри файлів — 4/361 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes74 091
source_files_sampled361
oversized_source_files4

Машиночитні інтерфейси

40Слабкий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto)
0/20Сервер MCP
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_ofnetwork-service

Ключові факти

4 772зірок GitHub
97контриб'юторів
198комітів за останні 12 місяців
7днів від останнього пушу
27релізів
3бас-фактор
115відкритих 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 (2026/08/09 07:36:59 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 ★ / 713 ⇿
0Зірки
713Форки
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.

0125250375500625750706142017-112022-032026-08
Мажорні 0Мінорні 3Патчі 20

Кожна точка охоплює 8 днів.

Прямі залежності 2
РеєстрПакетОбмеження версіїМаніфест
PyPItorch>=2.2,<3pyproject.toml
PyPIpackaging—pyproject.toml
Усі залежності 82

Повний розв'язаний набір залежностей із графа залежностей GitHub: 4 прямих і 78 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIpackaging—пряма
PyPIpackaging26.2пряма
PyPItorch—пряма
PyPItorch2.12.1пряма
PyPIalbumentations—непряма
PyPIclearml—непряма
PyPIcuda-bindings13.3.1непряма
PyPIcuda-pathfinder1.5.6непряма
PyPIcuda-toolkit13.0.2непряма
PyPIdatasets—непряма
PyPIdill—непряма
PyPIdocutils0.19непряма
PyPIfairlearn—непряма
PyPIfilelock—непряма
PyPIfilelock3.29.4непряма
PyPIfire—непряма
PyPIfsspec2026.6.0непряма
PyPIgymnasium—непряма
PyPIhatchling—непряма
PyPIimage-dataset-viz—непряма
PyPIjinja23.1.6непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib—непряма
PyPImlflow3.12.0непряма
PyPImpmath—непряма
PyPImpmath1.3.0непряма
PyPIneptune-client—непряма
PyPInetworkx3.4.2непряма
PyPInetworkx3.6.1непряма
PyPInltk—непряма
PyPInumpy—непряма
PyPInvidia-cublas13.1.1.3непряма
PyPInvidia-cuda-cupti13.0.85непряма
PyPInvidia-cuda-nvrtc13.0.88непряма
PyPInvidia-cuda-runtime13.0.96непряма
PyPInvidia-cudnn-cu139.20.0.48непряма
PyPInvidia-cufft12.0.0.61непряма
PyPInvidia-cufile1.15.1.6непряма
PyPInvidia-curand10.4.0.35непряма
PyPInvidia-cusolver12.0.4.66непряма
PyPInvidia-cusparse12.6.3.3непряма
PyPInvidia-cusparselt-cu130.8.1непряма
PyPInvidia-nccl-cu132.29.7непряма
PyPInvidia-nvjitlink13.0.88непряма
PyPInvidia-nvshmem-cu133.4.5непряма
PyPInvidia-nvtx13.0.85непряма
PyPIopencv-python-headless—непряма
PyPIpandas—непряма
PyPIpolyaxon—непряма
PyPIpre-commit—непряма
PyPIpy-config-runner—непряма
PyPIpycocotools—непряма
PyPIpynvml—непряма
PyPIpyrefly—непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-order—непряма
PyPIpytest-timeout—непряма
PyPIpytest-xdist—непряма
PyPIpytorch-ignite—непряма
PyPIpytorch-sphinx-theme—непряма
PyPIranx—непряма
PyPIray—непряма
PyPIscikit-image—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsetuptools—непряма
PyPIsetuptools81.0.0непряма
PyPIsphinx7непряма
PyPIsphinx-copybutton0.4.0непряма
PyPIsphinx-design—непряма
PyPIsphinx-togglebutton—непряма
PyPIsphinxcontrib-katex—непряма
PyPIsympy1.14.0непряма
PyPItensorboard—непряма
PyPItensorboardx—непряма
PyPItorchvision—непряма
PyPItqdm—непряма
PyPItransformers—непряма
PyPItriton3.7.1непряма
PyPItyping-extensions4.15.0непряма
PyPIwandb—непряма
Сповіщення про залежності 0

Встановлення pypi:pytorch-ignite@0.5.5 тягне 2 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 pytorch/ignite. Читати поруч →

99huggingface/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. 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.Винятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingВинятковий98huggingface/huggingface_hubThe official CLI and Python client for the Hugging Face Hub.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 v0.31.0 — повна методологія · вікі метрик.

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