Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-21 17:40 UTC

qualcomm / ai-hub-models

Qualcomm® AI Hub Models is our collection of state-of-the-art machine learning models optimized for performance (latency, memory etc.) and ready to deploy on Qualcomm® devices.

PythonBSD-3-Clause★ 1 233 зірки⑂ 214 форківз груд. 2023 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#deeplearning#demos#inference#inference-api#inference-engine#machine-learning#machinelearning#onnx#pytorch#qnn#tensorflow-lite

qualcomm/ai-hub-models має індекс здоров’я 89 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Vitality (96/100), найнижчий — Security (40/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 2 учасники.

89
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»).

89
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 75 калібровано до 89 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Qualcomm Technologies, Inc.Організація
1 010 підписників163 публічні репозиторіїз вер. 2019 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIqai_hub_models_cli0.65.06 732250 днів тому
PyPIqai_hub_modelsвказує на інший репозиторій — не оцінюється0.65.05 6621220 днів тому

Метрики за категоріями

Життєздатність

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

96Винятковий · 21% загального індексу

Активність розробки

93Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
29.8/36Ритм комітів — 43/52 тижнів із комітами
18/18Обсяг комітів — 1 330 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year1 330
human_commit_share0,98
days_since_last_push0
active_weeks_last_year43

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 80 релізів
36/36Свіжість релізів — останній реліз 14 дн. тому
27/27Ритм релізів — реліз кожні ~10,7 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count80
latest_release_tagv0.64.0
releases_from_tagsні
days_since_latest_release14
mean_days_between_releases10,7

Спільнота та впровадження

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

79Добрий · 17% загального індексу

Популярність і впровадження

78Добрий
Як обчислюється оцінка
50.1/60Зірки — 1 233 зірок
19.4/25Форки — 214 форків
8/15Спостерігачі — 29 спостерігачів
Використані вхідні дані
forks214
stars1 233
watchers29
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_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

64Помірний
Як обчислюється оцінка
51/80Щомісячні завантаження — 6 732 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesqai_hub_models_cli
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6 732
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?

71Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

61Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
16.1/22.5Розподіл комітів — головний контриб’ютор — автор 28% комітів
13.5/13.5Широта контриб’юторів — 29 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor2
contributors_sampled29
top_contributor_share0,285

Реактивність на issue та PR

53Помірний
Як обчислюється оцінка
41.3/42Вирішення issue — закрито 98% issue
3.8/30Прийняття PR — злито 6/47 вирішених PR
0/13Newcomer PR acceptance — злито 0/11 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs6
open_issues5
closed_issues294
prs_merged_7d0
prs_decided_7d10
prs_merged_30d0
prs_decided_30d11
issue_closed_ratio0,983
closed_unmerged_prs41
first_time_authors_30d4
first_time_prs_merged_30d0
first_time_prs_decided_30d11

Власність та опіка

77Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
21.6/25Охоплення власника — 1 010 підписників у qualcomm
25/25Послужний список — 163 публічних репозиторіїв, вік облікового запису ~7 р.
Використані вхідні дані
followers1 010
owner_typeOrganization
is_verifiedні
owner_loginqualcomm
public_repos163
account_age_days2 594

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 — 25 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesqai_hub_models_cli
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

81Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 40 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — ruff.toml
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

65Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — https://aihub.qualcomm.com/models
10/10Опис репозиторію
10/10Теми — 11 тем
0/10Wiki
Використані вхідні дані
topicsdeeplearning, demos, inference, inference-api, inference-engine, machine-learning, machinelearning, onnx, pytorch, qnn, tensorflow-lite
has_wikiні
homepagehttps://aihub.qualcomm.com/models
docs_sitehttps://aihub.qualcomm.com/models
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

40Слабкий · 16% загального індексу

Стан безпеки

25У зоні ризику
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestscli/pyproject.toml, src/pyproject.toml, src/setup.py
has_codeql_workflowні
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
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
advisories610
affected_packages39
assessed_packages229
unassessed_packages57
affected_by_severitycritical 16, high 20, moderate 3
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 229 резолвлених залежностей із OSV. 57 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.

72Добрий · 4% загального індексу

Контекст і настанови для агентів

85Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — CLAUDE.md
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 98 з 98 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share1
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes14 150

Цикл верифікації (збірка / тести / перевірка типів)

57Помірний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — ruff.toml
0/11Статична перевірка типів
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 48 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 1 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_configтак
typecheck_configs—
agent_commit_share0,48
toolchain_manifests—
dependency_bot_commit_share0,01

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.9/55Керовані розміри файлів — 10/3 710 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes159 821
source_files_sampled3 710
oversized_source_files10

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
40/40Схема API (OpenAPI/GraphQL/proto) — proto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
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_filesproto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

1 233зірок GitHub
29контриб'юторів
1 330комітів за останні 12 місяців
0днів від останнього пушу
80релізів
2бас-фактор
5відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'qai_hub_models' points at a different repository (https://github.com/quic/ai-hub-models); excluded from ecosystem scoring
  • deps.dev does not index pypi:qai_hub_models_cli@0.65.0; 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; 2026/10/21 17:39:39 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 ★ / 214 ⇿
0Зірки
214Форки
80Релізи

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.

0408012016020024021352024-012025-062026-10
Мажорні 0Мінорні 41Патчі 37

Кожна точка охоплює 3 днів.

Прямі залежності 7
РеєстрПакетОбмеження версіїМаніфест
PyPIfilelock>=3.16.1,<=3.29.0cli/pyproject.toml
PyPIpackaging>=24.2,<=26.2.0cli/pyproject.toml
PyPIplatformdirs>=4.0,<=4.9.6cli/pyproject.toml
PyPIprettytable>=3.10,<=3.16.0cli/pyproject.toml
PyPIprotobuf>=4.25.9,<=7.34.1cli/pyproject.toml
PyPIrequests>=2.25,<=2.33.1cli/pyproject.toml
PyPItqdm>=4.66,<=4.67.3cli/pyproject.toml
Усі залежності 286

Повний розв'язаний набір залежностей із графа залежностей GitHub: 12 прямих і 274 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIfilelock—пряма
PyPIpackaging—пряма
PyPIpackaging21.3пряма
PyPIpackaging26.0пряма
PyPIplatformdirs—пряма
PyPIprettytable—пряма
PyPIprettytable3.11.0пряма
PyPIprettytable3.17.0пряма
PyPIprotobuf—пряма
PyPIrequests—пряма
PyPIrequests2.33.1пряма
PyPItqdm—пряма
PyPIaccelerate—непряма
PyPIaccelerate1.12.0непряма
PyPIaccelerate1.2.1непряма
PyPIadbutils—непряма
PyPIaddict2.4.0непряма
PyPIaimet-onnx—непряма
PyPIaimet-onnx2.28.0непряма
PyPIaimet-onnx2.33.0непряма
PyPIaimet-onnx2.34.0непряма
PyPIaimet-onnx2.35.0непряма
PyPIaimet-onnx2.37.0непряма
PyPIaimet-onnx2.38.0непряма
PyPIaimet-onnx2.41непряма
PyPIaioboto312.3.0непряма
PyPIaiofiles24.1.0непряма
PyPIaiofiles25.1.0непряма
PyPIaiohttp3.13.3непряма
PyPIalbumentations1.4.18непряма
PyPIanyascii0.3.2непряма
PyPIappium-python-client2.7.0непряма
PyPIappium-python-client5.2.4непряма
PyPIasteroid-filterbanks0.4.0непряма
PyPIasync-generator1.10непряма
PyPIattrs22.1.0непряма
PyPIaudio2numpy0.1.2непряма
PyPIav12.3.0непряма
PyPIav14.0.1непряма
PyPIboto3—непряма
PyPIboto3-stubs—непряма
PyPIboto3-stubs1.36.9непряма
PyPIbotocore—непряма
PyPIbuild—непряма
PyPIcached-path1.8.10непряма
PyPIcachetools6.2.1непряма
PyPIcertifi2022.9.24непряма
PyPIcffi1.15.1непряма
PyPIcloudpickle3.1.1непряма
PyPIcn2an0.5.22непряма
PyPIcolorama0.4.5непряма
PyPIcoverage—непряма
PyPIdatasets4.1.1непряма
PyPIdecord0.6.0непряма
PyPIdiffusers0.30.2непряма
PyPIdiffusers0.35.2непряма
PyPIdm-env1.6непряма
PyPIdm-tree0.1.8непряма
PyPIeasydict1.13непряма
PyPIeasyocr1.7.2непряма
PyPIefficientnet-pytorch0.7.1непряма
PyPIeinops—непряма
PyPIeinops0.3.2непряма
PyPIeinops0.8.1непряма
PyPIeinops0.8.2непряма
PyPIeng-to-ipa0.0.2непряма
PyPIexceptiongroup1.0.0rc9непряма
PyPIffmpeg1.4непряма
PyPIflash-linear-attention—непряма
PyPIfugashi1.5.2непряма
PyPIfunasr1.3.12непряма
PyPIfvcore0.1.5.post20210825непряма
PyPIfvcore0.1.5.post20221221непряма
PyPIg2p-en2.1.0непряма
PyPIg2pkk—непряма
PyPIgdown4.7.1непряма
PyPIgeffnet1.0.2непряма
PyPIgeopandas1.1.0непряма
PyPIgitpython3.1.42непряма
PyPIgitpython3.1.49непряма
PyPIgoogle-cloud-storage—непряма
PyPIgradio6.14.0непряма
PyPIgrpcio-tools1.62.3непряма
PyPIgruut2.4.0непряма
PyPIgymnasium1.0.0непряма
PyPIh110.14.0непряма
PyPIh5py3.12.1непряма
PyPIhdf5storage0.2.2непряма
PyPIhttpx—непряма
PyPIhuggingface-hub—непряма
PyPIhuggingface-hub0.36.2непряма
PyPIhydra-core—непряма
PyPIhydra-core1.3.2непряма
PyPIidna3.4непряма
PyPIimageio2.34.2непряма
PyPIimageio2.37.2непряма
PyPIimgaug0.4.0непряма
PyPIinflect7.0.0непряма
PyPIiniconfig1.1.1непряма
PyPIinputimeout—непряма
PyPIipython8.12.3непряма
PyPIjamo0.4.1непряма
PyPIjieba0.42.1непряма
PyPIjinja2—непряма
PyPIjiwer—непряма
PyPIjiwer3.0.3непряма
PyPIjunitparser3.2.0непряма
PyPIkornia0.5.0непряма
PyPIkornia0.7.4непряма
PyPIlangid1.1.6непряма
PyPIlerobot0.4.1непряма
PyPIlevenshtein—непряма
PyPIlibrosa0.10.1непряма
PyPIlibrosa0.11.0непряма
PyPIllvmlite—непряма
PyPIlmdb2.1.1непряма
PyPIloguru—непряма
PyPIlxml6.0.2непряма
PyPIlyft-dataset-sdk0.0.8непряма
PyPImatplotlib3.10.7непряма
PyPImecab-python31.0.12непряма
PyPImmcv1.7.0непряма
PyPImmcv-lite2.1.0непряма
PyPImmdet2.27.0непряма
PyPImmdet3.3.0непряма
PyPImmengine0.10.7непряма
PyPImmsegmentation0.30.0непряма
PyPImujoco3.4.0непряма
PyPImypy1.19.1непряма
PyPImypy-protobuf3.6.0непряма
PyPInltk3.9.2непряма
PyPInum2words0.5.12непряма
PyPInumba—непряма
PyPInumba0.59.1непряма
PyPInumba0.62.1непряма
PyPInumpy—непряма
PyPInumpy1.26.4непряма
PyPInumpydantic1.6.7непряма
PyPInumpydoc1.9.0непряма
PyPInuscenes-devkit1.2.0непряма
PyPIobject-detection-metrics0.4.post1непряма
PyPIomegaconf—непряма
PyPIomegaconf2.3.0непряма
PyPIonnx—непряма
PyPIonnx1.17.0непряма
PyPIonnx1.18.0непряма
PyPIonnx-ir0.2.1непряма
PyPIonnxruntime—непряма
PyPIonnxruntime1.22непряма
PyPIonnxruntime1.22.1непряма
PyPIonnxscript0.7.0непряма
PyPIonnxsim0.5.0непряма
PyPIonnxsim0.6.5непряма
PyPIonnxsim-prebuilt0.4.36.post1непряма
PyPIonnxsim-prebuilt0.4.39.post2непряма
PyPIopencv-python—непряма
PyPIoutcome1.2.0непряма
PyPIpandas—непряма
PyPIpeft0.14.0непряма
PyPIpeft0.19.1непряма
PyPIpillow—непряма
PyPIpipablepytorch3d0.7.6непряма
PyPIpiper-phonemize1.1.0непряма
PyPIpiper-phonemize-cross1.2.1непряма
PyPIpluggy1.0.0непряма
PyPIplyfile—непряма
PyPIpre-commit4.0.1непряма
PyPIpsutil—непряма
PyPIpsutil6.1.1непряма
PyPIpy1.11.0непряма
PyPIpyannote-audio3.3.2непряма
PyPIpyarrow21.0.0непряма
PyPIpyaudio0.2.14непряма
PyPIpycocotools2.0.11непряма
PyPIpycparser2.21непряма
PyPIpydantic—непряма
PyPIpydantic2.10.6непряма
PyPIpydantic-yaml1.4.0непряма
PyPIpydub0.25.1непряма
PyPIpykakasi2.3.0непряма
PyPIpyogrio0.12.1непряма
PyPIpyopengl3.1.10непряма
PyPIpyparsing3.0.9непряма
PyPIpypinyin0.50.0непряма
PyPIpyquaternion0.9.9непряма
PyPIpysocks1.7.1непряма
PyPIpytest—непряма
PyPIpytest7.1.3непряма
PyPIpytest8.4.2непряма
PyPIpytest-cov5.0.0непряма
PyPIpytest-xdist—непряма
PyPIpytorch-lightning—непряма
PyPIpytorch-lightning1.2.10непряма
PyPIpytorch-lightning2.6.0непряма
PyPIpyyaml6.0.2непряма
PyPIqai-hub—непряма
PyPIqai-hub0.49.0непряма
PyPIrasterio1.4.3непряма
PyPIrequests-toolbelt1.0.0непряма
PyPIresampy0.4.3непряма
PyPIretry0.9.2непряма
PyPIrfdetr1.6.5непряма
PyPIruamel-yaml0.18.10непряма
PyPIruamel-yaml0.19.1непряма
PyPIsacremoses0.2.0непряма
PyPIsafetensors0.6.2непряма
PyPIschema0.7.5непряма
PyPIscikit-image—непряма
PyPIscikit-image0.22.0непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIseaborn0.13.2непряма
PyPIsegment-anything1.0непряма
PyPIselenium4.36.0непряма
PyPIselenium4.5.0непряма
PyPIsentencepiece0.2.1непряма
PyPIsentencepiece0.2.2непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm—непряма
PyPIshapely2.1.2непряма
PyPIsilero-vad6.2.1непряма
PyPIsniffio1.3.0непряма
PyPIsortedcontainers2.4.0непряма
PyPIsounddevice0.5.2непряма
PyPIsoundfile—непряма
PyPIsoundfile0.13.1непряма
PyPIsoundfile0.14.0непряма
PyPIspconv2.3.8непряма
PyPIsupervision0.25.1непряма
PyPItabulate0.9.0непряма
PyPItensorboard2.13.0непряма
PyPItflite2.18.0непряма
PyPIthop0.1.1.post2209072238непряма
PyPItimm1.0.14непряма
PyPItimm1.0.15непряма
PyPItimm1.0.28непряма
PyPItomli2.0.1непряма
PyPItorch—непряма
PyPItorch2.10.0непряма
PyPItorch2.4.1непряма
PyPItorch2.6.0непряма
PyPItorch2.9.0непряма
PyPItorchaudio—непряма
PyPItorchaudio2.4.1непряма
PyPItorchaudio2.9.0непряма
PyPItorchcodec—непряма
PyPItorchmetrics—непряма
PyPItorchmetrics1.4.0.post0непряма
PyPItorchpack0.3.1непряма
PyPItorchvision—непряма
PyPItorchvision0.19.1непряма
PyPItorchvision0.21.0непряма
PyPItorchvision0.24.0непряма
PyPItorchvision0.25.0непряма
PyPItransformers—непряма
PyPItransformers4.45непряма
PyPItransformers4.45.0непряма
PyPItransformers4.51.0непряма
PyPItransformers4.51.3непряма
PyPItransformers4.56.2непряма
PyPItransformers4.57.6непряма
PyPItransformers5.7.0непряма
PyPItransformers5.9.0непряма
PyPItrimesh2.35.39непряма
PyPItrio0.22.0непряма
PyPItrio-websocket0.9.2непряма
PyPItriton3.5.1непряма
PyPItxtsplit1.0.0непряма
PyPItypes-aiofiles25.1.0.20251011непряма
PyPItypes-pillow10.2.0.20240213непряма
PyPItypes-protobuf—непряма
PyPItypes-pyyaml6.0.12непряма
PyPItypes-requests2.31.0.6непряма
PyPItypes-tabulate0.9.0.20240106непряма
PyPItyping-extensions—непряма
PyPIultralytics8.4.45непряма
PyPIunidecode1.3.7непряма
PyPIunidic1.1.0непряма
PyPIunidic-lite1.0.8непряма
PyPIurllib31.26.12непряма
PyPIwandb0.22.3непряма
PyPIwcwidth0.5.3непряма
PyPIwebdataset0.2.86непряма
PyPIwmi1.5.1непряма
PyPIwsproto1.2.0непряма
PyPIyacs0.1.8непряма
Сповіщення про залежності 39

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 229 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 39 мають відомі сповіщення, з них 0 прямі. 57 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
aiohttp3.13.3непрямакритична563.14.4
gitpython3.1.42непрямакритична593.1.62
gitpython3.1.49непрямакритична513.1.62
h110.14.0непрямакритична20.16.0
imgaug0.4.0непрямакритична2—
nltk3.9.2непрямакритична863.10.3
onnx1.17.0непрямакритична171.22.0
onnx1.18.0непрямакритична161.22.0
pytorch-lightning1.2.10непрямакритична132.6.6
torch2.4.1непрямакритична232.13.0
transformers4.45непрямакритична445.10.0
transformers4.45.0непрямакритична445.10.0
transformers4.51.0непрямакритична305.10.0
transformers4.51.3непрямакритична305.10.0
transformers4.56.2непрямакритична155.10.0
transformers4.57.6непрямакритична115.10.0
accelerate1.12.0непрямависока2—
accelerate1.2.1непрямависока2—
certifi2022.9.24непрямависока82026.10.19
diffusers0.30.2непрямависока50.38.0
diffusers0.35.2непрямависока50.38.0
gdown4.7.1непрямависока25.2.2
geopandas1.1.0непрямависока21.1.2
gradio6.14.0непрямависока66.16.0
hydra-core1.3.2непрямависока41.4.0.dev9
idna3.4непрямависока43.15
lxml6.0.2непрямависока26.1.0
pyarrow21.0.0непрямависока223.0.1
pytorch-lightning2.6.0непрямависока32.6.6
selenium4.5.0непрямависока14.14.0
torch2.10.0непрямависока22.13.0
torch2.6.0непрямависока242.13.0
torch2.9.0непрямависока52.13.0
transformers5.7.0непрямависока45.10.0
transformers5.9.0непрямависока25.10.0
urllib31.26.12непрямависока202.8.0
datasets4.1.1непрямапомірна25.0.1
pytest7.1.3непрямапомірна29.0.3
pytest8.4.2непрямапомірна29.0.3

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 qualcomm/ai-hub-models. Читати поруч →

95ludwig-ai/ludwigLow-code framework for building custom LLMs, neural networks, and other AI modelsВинятковий100huggingface/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. Винятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий98NVIDIA/TensorRT-LLMTensorRT LLM provides users with an easy-to-use Python API to define Large Language Models (LLMs) and supports state-of-the-art optimizations to perform inference efficiently on NVIDIA GPUs. TensorRT LLM also contains components to create Python and C++ runtimes that orchestrate the inference execution in a performant way.Винятковий97xorbitsai/inferenceSwap GPT for any LLM by changing a single line of code. Xinference lets you run open-source, speech, and multimodal models on cloud, on-prem, or your laptop — all through one unified, production-ready inference API.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.