Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-05 22:25 UTC

pytorch / rl

A modular, primitive-first, python-first PyTorch library for Reinforcement Learning.

PythonMIT★ 3 548 зірок⑂ 480 форківз лют. 2022 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаПлагінБібліотекаяк це визначено
#ai#control#decision-making#distributed-computing#machine-learning#marl#model-based-reinforcement-learning#multi-agent-reinforcement-learning#pytorch#reinforcement-learning#rl#robotics#torch

pytorch/rl має індекс здоров’я 91 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Vitality (97/100), найнижчий — Security (21/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

91
загалом / 100
Відмінний

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»).

91
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 77 калібровано до 91 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

pytorchОрганізація · підтверджений домен
13 606 підписників70 публічних репозиторіївз серп. 2016 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPItorchrl0.13.384 7813453 дні томуreinforcement-learningpytorchrlmachine-learning

Метрики за категоріями

Життєздатність

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

97Винятковий · 21% загального індексу

Активність розробки

95Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
31.2/36Ритм комітів — 45/52 тижнів із комітами
18/18Обсяг комітів — 786 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year786
human_commit_share0,96
days_since_last_push0
active_weeks_last_year45

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 35 релізів
36/36Свіжість релізів — останній реліз 53 дн. тому
27/27Ритм релізів — реліз кожні ~40,2 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count35
latest_release_tagv0.13.3
releases_from_tagsні
days_since_latest_release53
mean_days_between_releases40,2

Спільнота та впровадження

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

88Відмінний · 17% загального індексу

Популярність і впровадження

89Відмінний
Як обчислюється оцінка
57.6/60Зірки — 3 548 зірок
22.3/25Форки — 480 форків
9.1/15Спостерігачі — 44 спостерігачів
Використані вхідні дані
forks480
stars3 548
watchers44
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 (MIT)
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_badges12
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

82Відмінний
Як обчислюється оцінка
65.7/80Щомісячні завантаження — 84 781 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagestorchrl
dependents—
ecosystemspypi
total_downloads—
monthly_downloads84 781
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?

76Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

34У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
8.4/22.5Розподіл комітів — головний контриб’ютор — автор 63% комітів
13.5/13.5Широта контриб’юторів — 99 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor1
contributors_sampled99
top_contributor_share0,627

Реактивність на issue та PR

85Відмінний
Як обчислюється оцінка
32.6/42Вирішення issue — закрито 78% issue
26.6/30Прийняття PR — злито 2 862/3 229 вирішених PR
13/13Newcomer PR acceptance — злито 9/9 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs2 862
open_issues191
closed_issues666
prs_merged_7d37
prs_decided_7d40
prs_merged_30d54
prs_decided_30d58
issue_closed_ratio0,777
closed_unmerged_prs367
first_time_authors_30d2
first_time_prs_merged_30d9
first_time_prs_decided_30d9

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 13 606 підписників у pytorch
25/25Послужний список — 70 публічних репозиторіїв, вік облікового запису ~10 р.
Використані вхідні дані
followers13 606
owner_typeOrganization
is_verifiedтак
owner_loginpytorch
public_repos70
account_age_days3 675

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 53 дн. тому
20/20Історія версій — 34 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagestorchrl
ecosystemspypi
any_deprecatedні
min_days_since_publish53

Інженерна якість

Чи наявні базові інженерні практики та документація?

91Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 30 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — setup.cfg ([flake8])
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

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://pytorch.org/rl
10/10Опис репозиторію
10/10Теми — 13 тем
0/10Wiki
Використані вхідні дані
topicsai, control, decision-making, distributed-computing, machine-learning, marl, model-based-reinforcement-learning, multi-agent-reinforcement-learning, pytorch, reinforcement-learning, rl, robotics, torch
has_wikiні
homepagehttps://pytorch.org/rl
docs_sitehttps://pytorch.org/rl
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

21У зоні ризику · 16% загального індексу

Стан безпеки

1Критичний
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestsbenchmarks/requirements.txt, docs/requirements.txt, pyproject.toml, setup.cfg, setup.py
has_codeql_workflowні
has_security_policyні
has_dependabot_configні

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_packages37
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:torchrl@0.13.3 — тим, що тягне за собою встановлення опублікованого пакета, — 37 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.

92Відмінний · 4% загального індексу

Контекст і настанови для агентів

100Винятковий
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md, CLAUDE.md
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://pytorch.org/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 86 з 96 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share0,896
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes13 220

Цикл верифікації (збірка / тести / перевірка типів)

89Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — setup.cfg ([flake8])
11/11Статична перевірка типів — mypy.ini
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 20 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 4 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, docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configsmypy.ini
agent_commit_share0,2
toolchain_manifests—
dependency_bot_commit_share0,04

Читабельність коду для моделей

78Добрий
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (mypy.ini)
50.5/55Керовані розміри файлів — 71/869 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes321 561
source_files_sampled869
oversized_source_files71

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, recipes
Використані вхідні дані
example_dirsexamples, recipes
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

3 548зірок GitHub
99контриб'юторів
786комітів за останні 12 місяців
0днів від останнього пушу
35релізів
1бас-фактор
191відкритих 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 (killed by SIGKILL — most likely the container's memory limit; 2026/09/05 22:23:49 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 ★ / 480 ⇿
0Зірки
480Форки
35Релізи

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.

0100200300400500476102022-042024-062026-09
Мажорні 0Мінорні 13Патчі 17

Кожна точка охоплює 5 днів.

Прямі залежності 7
РеєстрПакетОбмеження версіїМаніфест
PyPItorch>=2.1.0pyproject.toml
PyPIpyvers>=0.2.3pyproject.toml
PyPIhoptorch>=0.1.4pyproject.toml
PyPInumpy—pyproject.toml
PyPIpackaging—pyproject.toml
PyPIcloudpickle—pyproject.toml
PyPItensordict>=0.14.1,<0.15.0pyproject.toml
Усі залежності 224

Повний розв'язаний набір залежностей із графа залежностей GitHub: 15 прямих і 209 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIcloudpickle—пряма
PyPIcloudpickle3.1.2пряма
PyPIhoptorch—пряма
PyPIhoptorch0.1.4пряма
PyPInumpy—пряма
PyPInumpy2.2.6пряма
PyPIpackaging—пряма
PyPIpackaging26.2пряма
PyPIpyvers—пряма
PyPIpyvers0.2.3пряма
PyPItensordict—пряма
PyPItensordict0.9.0пряма
PyPItorch—пряма
PyPItorch2.12.0пряма
PyPItorch2.14.0.dev20260713+cu126пряма
PyPIabsl-py2.5.0непряма
PyPIaccelerate—непряма
PyPIaccelerate1.14.0непряма
PyPIaccelerate1.7.0непряма
PyPIale-py—непряма
PyPIale-py0.8.1непряма
PyPIannotated-doc0.0.4непряма
PyPIanyio4.14.2непряма
PyPIattrs26.1.0непряма
PyPIautorom0.4.2непряма
PyPIautorom-accept-rom-license0.6.1непряма
PyPIbitsandbytes—непряма
PyPIbitsandbytes0.46.0непряма
PyPIcertifi2026.6.17непряма
PyPIcharset-normalizer3.4.9непряма
PyPIclick8.4.2непряма
PyPIcmake—непряма
PyPIcmake4.4.0непряма
PyPIcontourpy1.3.2непряма
PyPIcoverage—непряма
PyPIcuda-bindings12.9.7непряма
PyPIcuda-pathfinder1.5.6непряма
PyPIcuda-toolkit12.6.3непряма
PyPIcycler0.12.1непряма
PyPIdatasets—непряма
PyPIdatasets3.6.0непряма
PyPIdm-control—непряма
PyPIdm-control1.0.41непряма
PyPIdm-env1.6непряма
PyPIdm-tree0.1.10непряма
PyPIdocutils—непряма
PyPIetils1.13.0непряма
PyPIexceptiongroup1.3.1непряма
PyPIexpecttest—непряма
PyPIfilelock3.29.7непряма
PyPIfonttools4.63.0непряма
PyPIfsspec2026.6.0непряма
PyPIfuture—непряма
PyPIglfw2.10.0непряма
PyPIgym0.26.2непряма
PyPIgym-notices0.1.0непряма
PyPIgymnasium—непряма
PyPIgymnasium-robotics—непряма
PyPIh110.16.0непряма
PyPIhf-xet1.5.1непряма
PyPIhttpcore1.0.9непряма
PyPIhttpx0.28.1непряма
PyPIhuggingface-hub1.23.0непряма
PyPIhydra-core—непряма
PyPIhydra-core1.3.4непряма
PyPIhydra-submitit-launcher—непряма
PyPIhypothesis—непряма
PyPIidna3.18непряма
PyPIimageio—непряма
PyPIimmutabledict—непряма
PyPIimmutabledict4.2.1непряма
PyPIimportlib-metadata9.0.0непряма
PyPIimportlib-resources7.1.0непряма
PyPIiniconfig2.3.0непряма
PyPIipython—непряма
PyPIjax—непряма
PyPIjinja23.1.6непряма
PyPIjsonschema4.26.0непряма
PyPIjsonschema-specifications2025.9.1непряма
PyPIkiwisolver1.5.0непряма
PyPIlabmaze1.0.6непряма
PyPIlangdetect—непряма
PyPIlangdetect1.0.9непряма
PyPIlerobot—непряма
PyPIlxml6.1.1непряма
PyPImarkdown-it-py4.2.0непряма
PyPImarkupsafe3.0.2непряма
PyPImatplotlib—непряма
PyPImatplotlib3.10.9непряма
PyPImdurl0.1.2непряма
PyPImemory-profiler—непряма
PyPIminari—непряма
PyPImpmath1.3.0непряма
PyPImsgpack1.2.1непряма
PyPImujoco—непряма
PyPImujoco3.8.1непряма
PyPImujoco-torch—непряма
PyPImyst-parser—непряма
PyPInetworkx3.4.2непряма
PyPIninja—непряма
PyPIninja1.13.0непряма
PyPInltk—непряма
PyPInltk3.10.3непряма
PyPInvidia-cublas-cu1212.6.4.1непряма
PyPInvidia-cuda-cupti-cu1212.6.80непряма
PyPInvidia-cuda-nvrtc-cu1212.6.85непряма
PyPInvidia-cuda-runtime-cu1212.6.77непряма
PyPInvidia-cudnn-cu129.10.2.21непряма
PyPInvidia-cufft-cu1211.3.0.4непряма
PyPInvidia-cufile-cu121.11.1.6непряма
PyPInvidia-curand-cu1210.3.7.77непряма
PyPInvidia-cusolver-cu1211.7.1.2непряма
PyPInvidia-cusparse-cu1212.5.4.2непряма
PyPInvidia-cusparselt-cu120.7.1непряма
PyPInvidia-nccl-cu122.29.3непряма
PyPInvidia-nvjitlink-cu1212.9.86непряма
PyPInvidia-nvshmem-cu123.4.5непряма
PyPInvidia-nvtx-cu1212.6.77непряма
PyPIomegaconf—непряма
PyPIonnx—непряма
PyPIonnxruntime—непряма
PyPIonnxscript—непряма
PyPIopen-spiel—непряма
PyPIopencv-python-headless—непряма
PyPIorjson3.11.9непряма
PyPIpandas—непряма
PyPIpandas2.3.3непряма
PyPIpeft—непряма
PyPIpeft0.15.2непряма
PyPIpettingzoo—непряма
PyPIpillow—непряма
PyPIpillow12.3.0непряма
PyPIplaywright—непряма
PyPIpluggy1.6.0непряма
PyPIprocgen—непряма
PyPIprotobuf—непряма
PyPIprotobuf7.35.1непряма
PyPIpsutil—непряма
PyPIpsutil7.2.2непряма
PyPIpy-cpuinfo9.0.0непряма
PyPIpybind11—непряма
PyPIpybind113.0.4непряма
PyPIpybind11-global3.0.4непряма
PyPIpygame—непряма
PyPIpyglet—непряма
PyPIpygments2.20.0непряма
PyPIpyopengl3.1.10непряма
PyPIpyparsing3.3.2непряма
PyPIpytest—непряма
PyPIpytest9.1.1непряма
PyPIpytest-asyncio—непряма
PyPIpytest-benchmark—непряма
PyPIpytest-benchmark5.2.3непряма
PyPIpytest-cov—непряма
PyPIpytest-error-for-skips—непряма
PyPIpytest-instafail—непряма
PyPIpytest-mock—непряма
PyPIpytest-rerunfailures—непряма
PyPIpytest-timeout—непряма
PyPIpytest-timeout2.4.0непряма
PyPIpytest-xdist—непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpytorch-sphinx-theme2—непряма
PyPIpytz2026.2непряма
PyPIpyyaml—непряма
PyPIpyyaml6.0.3непряма
PyPIray—непряма
PyPIray2.56.0непряма
PyPIreferencing0.37.0непряма
PyPIregex2026.7.10непряма
PyPIrequests—непряма
PyPIrequests2.34.2непряма
PyPIrich15.0.0непряма
PyPIrpds-py0.30.0непряма
PyPIsafetensors—непряма
PyPIsafetensors0.8.0непряма
PyPIsafety-gymnasium—непряма
PyPIscipy—непряма
PyPIscipy1.15.3непряма
PyPIsentencepiece—непряма
PyPIsetuptools—непряма
PyPIsetuptools83.0.0непряма
PyPIsetuptools-scm10.2.0непряма
PyPIshellingham1.5.4непряма
PyPIsix1.17.0непряма
PyPIsphinx—непряма
PyPIsphinx-autodoc-typehints—непряма
PyPIsphinx-copybutton—непряма
PyPIsphinx-design—непряма
PyPIsphinx-gallery—непряма
PyPIsphinx-serve1.0.1непряма
PyPIsphinxcontrib-htmlhelp—непряма
PyPIsphinxcontrib-video—непряма
PyPIsympy1.14.0непряма
PyPItenacity—непряма
PyPItenacity9.1.4непряма
PyPItiktoken—непряма
PyPItokenizers0.23.0rc0непряма
PyPItomli2.4.1непряма
PyPItorchcodec—непряма
PyPItorchvision—непряма
PyPItorchvision0.29.0.dev20260714+cu126непряма
PyPItqdm—непряма
PyPItqdm4.67.1непряма
PyPItqdm4.68.4непряма
PyPItransformers—непряма
PyPItransformers5.10.1непряма
PyPItransformers5.13.1непряма
PyPItriton3.8.0+git43422b04непряма
PyPItyper0.26.8непряма
PyPItyping-extensions—непряма
PyPItyping-extensions4.16.0непряма
PyPItzdata2026.3непряма
PyPIurllib32.7.0непряма
PyPIvcs-versioning2.2.2непряма
PyPIvllm—непряма
PyPIvllm0.26.0непряма
PyPIvmas—непряма
PyPIwandb—непряма
PyPIwandb0.19.11непряма
PyPIwrapt2.2.2непряма
PyPIxformers—непряма
PyPIxformers0.0.30непряма
PyPIzipp4.1.0непряма
Сповіщення про залежності 0

Встановлення pypi:torchrl@0.13.3 тягне 37 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/rl. Читати поруч →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.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.Винятковий98replicate/cogContainers for machine learningВинятковий98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingВинятковий98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMakerВинятковий

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.