Суспільно-корисна інспекція програмного забезпечення версіонована методологія
Публічний реєстр стану програмного забезпечення.
Мости, ліфти та продукти харчування мають публічні записи про свій стан. Програмне забезпечення, на якому тримаються всі троє, не має. Ось цей реєстр: підтримуваність, інженерна якість, стан безпеки, впровадження в екосистемі та врядування, виміряні однаково для кожного репозиторію.
01Докази додано02Результати не залежать від оплати03Метод версіоновано
↗
Відтворювані доказиКожен опублікований результат посилається на доступні для перевірки джерела доказів і методологію.
◇
Незалежні результатиОплата, спонсорство чи зв'язки з постачальниками не можуть змінити опублікований результат.
≈
Сигнали, а не гарантіїРезультати допомагають у перевірці та закупівлях; вони не замінюють експертної оцінки.
Живий каталог
Реєстр станом на сьогодні.
Кожен репозиторій, внесений досі: із пошуком і впорядкуванням, а кожен запис відкриває повний звіт із доказами.
Проіндексовані репозиторії
97 517
Репозиторії, допущені до публічного реєстру — вже інспектовані або в черзі на першу інспекцію. Фільтри каталогу нижче на це число не впливають.
Місячні завантаження під інспекцією
649B
Сукупні місячні завантаження пакетів усіх проіндексованих репозиторіїв за даними реєстрів пакетів — обсяг залежностей, який охоплює публічний реєстр.
Медіанний індекс здоров'я
59 Помірний
Серединний індекс здоров'я всіх інспектованих репозиторіїв, обчислений за метриками 2.10.0 — орієнтир для читання будь-якого окремого результату.
Тип
Що будує репозиторій — бібліотека, застосунок, розширення хоста. Репозиторії, чиї докази нічого не відповідають, зібрані під «Некласифіковані».
Тривожні сигнали
Знахідки, які коригують оцінку вниз, а не нараховують до неї бали. Якщо вибрати кілька, показано репозиторії, які мають хоча б один із них.
TensorRT 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.