公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-08-27 22:49 UTC

NVIDIA / TensorRT

NVIDIA® TensorRT™ is an SDK for high-performance deep learning inference on NVIDIA GPUs. This repository contains the open source components of TensorRT.

C++Apache-2.0★ 13,294 星标⑂ 2,397 复刻始于 2019年5月在 GitHub 上查看 ↗
类型库命令行工具如何判定
#tensorrt#nvidia#deep-learning#inference#gpu-acceleration

NVIDIA/TensorRT 的健康指数为 100 分中的 88 分，处于「优秀」区间。 其得分最高的类别是Community & Adoption（88/100），最低的是Security（40/100）。 最近一次更新在 2 天前。 近期的大部分工作由 3 位贡献者完成。

88
总分 / 100
优秀

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

88
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 74 经校准后在公布的指数量表上为 88（记录校准 2026-08-02）。

所有权

NVIDIA Corporation组织 · 域名已验证
29,403 关注者800 个公开仓库始于 2012年5月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

软件包生态系统

注册表软件包版本月下载量版本数最近发布标签
PyPIpolygraphy0.53.4258,4771320 天前—
PyPItensorrt11.2.1.2233,1064828 天前nvidiatensorrtdeeplearninginference
PyPIonnx_graphsurgeon0.6.1510,1268141 天前—
PyPIpytorch_quantization指向其他仓库——不计分2.2.11,39351028 天前nvidiadeep-learningmachine-learningsupervised-learningunsupervised-learningreinforcement-learninglogging
PyPIpolygraphy_trtexec0.0.93231099 天前—

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

78良好 · 占总体的 21%

开发活跃度

68良好
评分方式
36/36推送新近度 — 最近一次推送于 2 天前
12.5/36提交节奏 — 52 周中有 18 周有提交
12.9/18提交量 — 最近一年 26 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year26
human_commit_share1
days_since_last_push2
active_weeks_last_year18

发布纪律

92优秀
评分方式
27/27有发布版本 — 已发布 71 个发布版本
36/36发布时效 — 最近一次发布版本于 23 天前
19.8/27发布节奏 — 约每 45.8 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count71
latest_release_tagv11.2
releases_from_tags否
days_since_latest_release23
mean_days_between_releases45.8

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

88优秀 · 占总体的 17%

流行度与采用

97卓越
评分方式
60/60星标 — 13,294 个星标
25/25复刻 — 2,397 个复刻
12.2/15关注者 — 157 位关注者
所用输入
forks2,397
stars13,294
watchers157
growth_stateorganic
growth_factor_pct100

社区健康

70良好
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（Apache-2.0）
18/18CONTRIBUTING 指南
0/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges3
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_servicesshields.io
has_pull_request_template否

生态采用（下载量）

100卓越
评分方式
80/80月度下载量 — pypi 合计每月 1,001,741 次下载
0/20注册表被依赖数 — 该生态系统不报告此项
所用输入
packagespolygraphy, tensorrt, onnx_graphsurgeon, polygraphy_trtexec
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1,001,741
unverified_packages_excluded—
已排除计分（无数据或不适用）：注册表被依赖数。 其余权重已重新归一化。

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

84优秀 · 占总体的 23%

维护者韧性（巴士系数）

72良好
评分方式
36/54巴士系数 — 3 位贡献者贡献了半数提交
15/22.5提交分布 — 头号贡献者编写了 33% 的提交
13.5/13.5贡献者广度 — 83 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor3
contributors_sampled83
top_contributor_share0.333

议题与 PR 响应能力

71良好
评分方式
36.3/42议题解决 — 86% 的议题已关闭
19.7/30PR 接受 — 已裁定的 PR 中 327/498 已合并
4.3/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 1/3
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
merged_prs327
open_issues573
closed_issues3,658
prs_merged_7d1
prs_decided_7d2
prs_merged_30d4
prs_decided_30d6
issue_closed_ratio0.865
closed_unmerged_prs171
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d3

所有权与托管责任

100卓越
评分方式
30/30所有权背书 — 组织持有
20/20已验证域名
25/25所有者影响力 — NVIDIA 有 29,403 位关注者
25/25既往记录 — 800 个公开仓库，账户约 14 年
所用输入
followers29,403
owner_typeOrganization
is_verified是
owner_loginNVIDIA
public_repos800
account_age_days5,222

软件包维护

100卓越
评分方式
25/25已发布且可解析 — pypi 上有 4 个软件包
35/35发布时效 — 最近一次发布于 20 天前
20/20版本历史 — 48 个已发布版本
20/20未被弃用 — 活跃，未被弃用或撤回
所用输入
packagespolygraphy, tensorrt, onnx_graphsurgeon, polygraphy_trtexec
ecosystemspypi
any_deprecated否
min_days_since_publish20

工程质量

基础的工程与文档实践是否到位？

74良好 · 占总体的 19%

工程实践

80优秀
评分方式
24/24CI 工作流 — 5 个工作流
24/24存在测试
16/16Linter 配置 — .pylintrc
0/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config否

文档

65良好
评分方式
30/30README
0/25文档目录
15/15文档 / 主页站点 — https://developer.nvidia.com/tensorrt
10/10仓库描述
10/10主题标签 — 5 个主题标签
0/10Wiki
所用输入
topicstensorrt, nvidia, deep-learning, inference, gpu-acceleration
has_wiki否
homepagehttps://developer.nvidia.com/tensorrt
docs_sitehttps://developer.nvidia.com/tensorrt
has_readme是
has_docs_dir否
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

40薄弱 · 占总体的 16%

安全态势

25存在风险
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
25/25依赖锁定文件 — poetry.lock
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfilespoetry.lock
manifestspython/requirements.txt
has_codeql_workflow否
has_security_policy否
has_dependabot_config否

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories0
affected_packages0
assessed_packages3
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
已排除计分（无数据或不适用）：没有长期未处理的公告。 其余权重已重新归一化。 比对的是 pypi:tensorrt@11.2.1.2 的运行时依赖闭包——安装已发布的软件包时真正被拉取进来的内容——共 3 个软件包。 未对可达性进行分析。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

76良好 · 占总体的 4%

AI 代理上下文与指引

50中等
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
15/15机器可读文档（llms.txt） — 项目网站提供 llms.txt（https://developer.nvidia.com/llms.txt）
34.7/40可读的提交历史 — 100 次人类提交中有 65 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt是
llms_txt_urlhttps://developer.nvidia.com/llms.txt
legible_history_share0.65
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

80优秀
评分方式
18/18一条命令的引导启动 — quickstart/Makefile, quickstart/SemanticSegmentation/Makefile, tools/Polygraphy/Makefile, tools/onnx-graphsurgeon/Makefile, tools/polygraphy-extension-trtexec/Makefile, tools/pytorch-quantization/docs/Makefile, tools/tensorflow-quantization/docs/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — .pylintrc
11/11静态类型检查 — C++（静态类型）
10/10可复现环境 — lockfile
0/10已体现的代理实践 — 最近 100 次提交中没有代理编写的提交
0/8自动化维护 — 未观察到自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfilespoetry.lock
has_dockerfile否
typed_language是
bootstrap_filesquickstart/Makefile, quickstart/SemanticSegmentation/Makefile, tools/Polygraphy/Makefile, tools/onnx-graphsurgeon/Makefile, tools/polygraphy-extension-trtexec/Makefile, tools/pytorch-quantization/docs/Makefile, tools/tensorflow-quantization/docs/Makefile
has_devcontainer否
has_linter_config是
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

面向模型的代码可读性

90优秀
评分方式
45/45可类型检查的代码 — C++（静态类型）
44.9/55可控的文件大小 — 采样的 1,080 个源文件中有 199 个超过 60KB
所用输入
primary_languageC++
largest_source_bytes3,041,274
source_files_sampled1,080
oversized_source_files199

机器可读接口

100卓越
评分方式
0/40API 模式（OpenAPI/GraphQL/proto） — 不适用于此类软件
0/20MCP 服务器 — 不适用于此类软件
40/40可运行示例 — examples, notebooks, samples
所用输入
example_dirsexamples, notebooks, samples
has_mcp_signal否
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）, MCP 服务器。 其余权重已重新归一化。

关键数据

13,294GitHub 星标
83贡献者
26最近 12 个月提交数
2距最近推送天数
71发布版本数
3巴士系数（bus factor）
573开放议题
PyPI软件包生态系统数

数据采集警告

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Star history carried forward from 2026-07-21: GitHub restricted the stargazers API to repository admins, so it can no longer be collected. The repository has 13294 stars today.
  • pypi package 'pytorch_quantization' points at a different repository (https://github.com/NVIDIA); excluded from ecosystem scoring
  • Could not fetch pypi package 'tensorflow_quantization' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/08/27 22:47:16 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

更多细节

Star 与 Fork 历史 13,169 ★ / 2,397 ⇿
13,169Star
2,397Fork
33发布

每颗 star 和每个 fork 的添加时间，来自 GitHub 并按天汇总。累计增长位于其构成来源——每日新增——的正上方，二者可相互对照：稳定的自然增长与短暂的突增形态截然不同。当这一差别可被衡量时，它会作为增长真实性予以报告。

仅显示最近的历史——该仓库超出采集窗口，因此未采集最早的历史记录。

星标历史显示的是 2026-07-21 采集时的状态。GitHub 已于 2026 年 7 月将 stargazers API 限制为仓库管理员，因此该序列无法再延续；上方的星标总数仍然实时更新。

02,5005,0007,50010,00012,50015,00013,1692,397462022-112024-092026-08
主版本 1次版本 16修订 7

每个点涵盖 4 天。

直接依赖 2
注册表软件包版本约束清单文件
PyPIwheel0.45.1python/packaging/pyproject.toml
PyPIsetuptools^80.4.0python/packaging/pyproject.toml
全部依赖 257

来自 GitHub 依赖图的完整解析依赖集合：5 个直接依赖与 252 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
PyPIsetuptools—直接
PyPIsetuptools80.4.0直接
PyPIsetuptools80.9.0直接
PyPIwheel—直接
PyPIwheel0.45.1直接
PyPIabsl-py—间接
PyPIaccelerate1.2.1间接
PyPIalabaster0.7.16间接
PyPIanykeystore0.2间接
PyPIapex0.9.10dev间接
PyPIargparse—间接
PyPIbabel2.17.0间接
PyPIbeautifulsoup44.14.2间接
PyPIbuild1.0.0间接
PyPIcertifi2025.10.5间接
PyPIcharset-normalizer3.4.3间接
PyPIcolorama0.4.6间接
PyPIcolored—间接
PyPIcolored2.3.1间接
PyPIcolored2.3.2间接
PyPIcoloredlogs15.0.1间接
PyPIcontourpy1.3.2间接
PyPIcontrolnet-aux0.0.6间接
PyPIcryptacular1.6.2间接
PyPIcuda-bindings—间接
PyPIcuda-bindings13.0.2间接
PyPIcuda-pathfinder1.3.0间接
PyPIcuda-python—间接
PyPIcuda-python12.9.0间接
PyPIcuda-python13.0.2间接
PyPIcupy-cuda12x—间接
PyPIcupy-cuda12x13.6.0间接
PyPIcycler0.12.1间接
PyPIdiffusers0.35.2间接
PyPIdocutils0.16间接
PyPIdocutils0.18.1间接
PyPIdocutils0.20.1间接
PyPIeinops0.8.1间接
PyPIexceptiongroup1.3.0间接
PyPIfilelock3.20.0间接
PyPIflatbuffers25.9.23间接
PyPIfonttools4.60.1间接
PyPIfsspec2025.9.0间接
PyPIftfy—间接
PyPIftfy6.3.1间接
PyPIfuro2022.4.7间接
PyPIfuro2024.8.6间接
PyPIgcloud—间接
PyPIgoogle-cloud-storage—间接
PyPIgreenlet3.2.4间接
PyPIhf-xet1.1.10间接
PyPIhuggingface-hub0.11.0间接
PyPIhuggingface-hub0.35.3间接
PyPIhuggingface-hub0.4.0间接
PyPIhumanfriendly10.0间接
PyPIhupper1.12.1间接
PyPIidna3.10间接
PyPIimageio2.37.0间接
PyPIimageio-ffmpeg—间接
PyPIimageio-ffmpeg0.6.0间接
PyPIimagesize1.4.1间接
PyPIimportlib-metadata8.7.0间接
PyPIiniconfig2.1.0间接
PyPIjinja23.1.6间接
PyPIkiwisolver1.4.9间接
PyPIlazy-loader0.4间接
PyPImarkdown-it-py3.0.0间接
PyPImarkupsafe3.0.3间接
PyPImatplotlib—间接
PyPImatplotlib3.10.7间接
PyPImdit-py-plugins0.5.0间接
PyPImdurl0.1.2间接
PyPIml-dtypes—间接
PyPIml-dtypes0.5.3间接
PyPImpi4py4.1.1间接
PyPImpmath1.3.0间接
PyPImyst-parser0.16.1间接
PyPImyst-parser3.0.1间接
PyPInccl4py0.1.1间接
PyPInetworkx3.4.2间接
PyPInltk3.9.1间接
PyPInumba—间接
PyPInumba-cuda—间接
PyPInumpy—间接
PyPInumpy1.23.0间接
PyPInumpy1.23.1间接
PyPInumpy1.26.4间接
PyPInumpy2.2.3间接
PyPInumpy2.2.6间接
PyPInvidia-cublas-cu1212.8.4.1间接
PyPInvidia-cuda-cupti-cu1212.8.90间接
PyPInvidia-cuda-nvrtc-cu1212.8.93间接
PyPInvidia-cuda-runtime-cu1212.8.90间接
PyPInvidia-cudnn-cu129.10.2.21间接
PyPInvidia-cufft-cu1211.3.3.83间接
PyPInvidia-cufile-cu121.13.1.3间接
PyPInvidia-curand-cu1210.3.9.90间接
PyPInvidia-cusolver-cu1211.7.3.90间接
PyPInvidia-cusparse-cu1212.5.8.93间接
PyPInvidia-cusparselt-cu120.7.1间接
PyPInvidia-cutlass-dsl4.5.0间接
PyPInvidia-modelopt—间接
PyPInvidia-modelopt0.31.0间接
PyPInvidia-modelopt0.35.0间接
PyPInvidia-nccl-cu122.27.3间接
PyPInvidia-nvjitlink-cu1212.8.93间接
PyPInvidia-nvtx-cu1212.8.90间接
PyPInvidia-pyindex—间接
PyPInvidia-tensorrt—间接
PyPInvtx—间接
PyPInvtx0.2.13间接
PyPIoauthlib3.3.1间接
PyPIonnx—间接
PyPIonnx1.13.1间接
PyPIonnx1.14.0间接
PyPIonnx1.17.0间接
PyPIonnx1.18.0间接
PyPIonnx1.20.0间接
PyPIonnx1.9.0间接
PyPIonnx-graphsurgeon—间接
PyPIonnx-graphsurgeon0.5.2间接
PyPIonnx-ir0.1.10间接
PyPIonnxconverter-common1.12.2间接
PyPIonnxmltools1.11.1间接
PyPIonnxruntime—间接
PyPIonnxruntime1.12.1间接
PyPIonnxruntime1.15.0间接
PyPIonnxruntime1.18.1间接
PyPIonnxruntime1.19.2间接
PyPIonnxruntime1.22.1间接
PyPIonnxruntime1.24.2间接
PyPIonnxruntime1.8.1间接
PyPIonnxruntime-gpu—间接
PyPIonnxscript—间接
PyPIonnxscript0.5.4间接
PyPIopencv-python4.11.0.86间接
PyPIopencv-python-headless4.8.0.74间接
PyPIpackaging25.0间接
PyPIpastedeploy3.1.0间接
PyPIpbkdf21.3间接
PyPIpeft0.17.0间接
PyPIpillow—间接
PyPIpillow11.3.0间接
PyPIplaster1.1.2间接
PyPIplaster-pastedeploy1.0.1间接
PyPIpluggy1.6.0间接
PyPIpolygraphy—间接
PyPIpolygraphy0.49.0间接
PyPIpolygraphy0.49.22间接
PyPIpolygraphy0.50.1间接
PyPIprettytable—间接
PyPIprotobuf—间接
PyPIprotobuf3.20.2间接
PyPIprotobuf3.20.3间接
PyPIprotobuf6.32.1间接
PyPIpsutil7.1.0间接
PyPIpycuda—间接
PyPIpygments2.19.2间接
PyPIpyparsing3.2.5间接
PyPIpyramid2.0.2间接
PyPIpyramid-mailer0.15.1间接
PyPIpyreadline33.5.4间接
PyPIpytest—间接
PyPIpytest8.4.2间接
PyPIpytest-console-scripts—间接
PyPIpytest-rerunfailures—间接
PyPIpytest-virtualenv—间接
PyPIpytest-xdist—间接
PyPIpython-dateutil2.9.0.post0间接
PyPIpython-openid2.2.5间接
PyPIpywin32—间接
PyPIpyyaml—间接
PyPIpyyaml6.0.3间接
PyPIregex2025.9.18间接
PyPIrepoze-sendmail4.4.1间接
PyPIrequests2.25.1间接
PyPIrequests2.32.4间接
PyPIrequests2.32.5间接
PyPIrequests2.33.0间接
PyPIrequests-oauthlib2.0.0间接
PyPIsafetensors0.6.2间接
PyPIscikit-image0.25.2间接
PyPIscipy—间接
PyPIscipy1.15.3间接
PyPIsentencepiece—间接
PyPIsentencepiece0.1.95间接
PyPIsentencepiece0.1.97间接
PyPIsentencepiece0.2.1间接
PyPIsix1.17.0间接
PyPIsnowballstemmer3.0.1间接
PyPIsoupsieve2.8间接
PyPIsphinx4.4.0间接
PyPIsphinx7.1.2间接
PyPIsphinx-basic-ng1.0.0b2间接
PyPIsphinx-glpi-theme—间接
PyPIsphinxcontrib-applehelp2.0.0间接
PyPIsphinxcontrib-devhelp2.0.0间接
PyPIsphinxcontrib-htmlhelp2.1.0间接
PyPIsphinxcontrib-jsmath1.0.1间接
PyPIsphinxcontrib-qthelp2.0.0间接
PyPIsphinxcontrib-serializinghtml2.0.0间接
PyPIsqlalchemy2.0.44间接
PyPIsympy1.14.0间接
PyPIsympy1.9间接
PyPItabulate—间接
PyPItensorflow—间接
PyPItensorflow-gpu2.8.0间接
PyPItensorrt—间接
PyPItensorrt-module—间接
PyPItf2onnx—间接
PyPItf2onnx1.10.1间接
PyPItifffile2025.5.10间接
PyPItimm1.0.20间接
PyPItokenizers0.21.4间接
PyPItoml—间接
PyPItomli2.0.0间接
PyPItomli2.3.0间接
PyPItorch—间接
PyPItorch1.10间接
PyPItorch1.10.2间接
PyPItorch1.10.2+cu113间接
PyPItorch1.11.0间接
PyPItorch1.11.0+cu113间接
PyPItorch1.13.1间接
PyPItorch2.8.0间接
PyPItorch2.9.1间接
PyPItorchao0.13.0间接
PyPItorchvision—间接
PyPItorchvision0.11.3间接
PyPItorchvision0.12.0间接
PyPItorchvision0.23.0间接
PyPItqdm4.66.4间接
PyPItqdm4.67.1间接
PyPItransaction5.0间接
PyPItransformers4.18.0间接
PyPItransformers4.20.0间接
PyPItransformers4.52.4间接
PyPItranslationstring1.4间接
PyPItriton—间接
PyPItriton3.2.0间接
PyPItriton3.4.0间接
PyPItriton3.5.0间接
PyPItyping-extensions4.15.0间接
PyPIurllib32.5.0间接
PyPIvelruse1.1.1间接
PyPIvenusian3.1.1间接
PyPIvirtualenv—间接
PyPIwcwidth0.2.14间接
PyPIwebob1.8.9间接
PyPIwget—间接
PyPIwget3.2间接
PyPIwtforms3.2.1间接
PyPIwtforms-recaptcha0.3.2间接
PyPIzipp3.23.0间接
PyPIzope-deprecation6.0间接
PyPIzope-interface8.0.1间接
PyPIzope-sqlalchemy4.0间接
依赖安全公告 0

安装 pypi:tensorrt@11.2.1.2 会引入 3 个包（直接与传递）：其中 0 个存在已知公告，0 个为直接依赖。

没有已知公告影响已评估的依赖。

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 NVIDIA/TensorRT 共享目录标签或生态系统的已检测仓库。 并排阅读 →

93pytorch/TensorRTPyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRT卓越91triton-inference-server/model_analyzerTriton Model Analyzer is a CLI tool to help with better understanding of the compute and memory requirements of the Triton Inference Server models.优秀86NexusGPU/tensor-fusionTensor Fusion is a state-of-the-art GPU virtualization and pooling solution designed to optimize GPU cluster utilization to its fullest potential.优秀84nexusgpu/tensor-fusion-operatorTensor Fusion is a state-of-the-art GPU virtualization and pooling solution designed to optimize GPU cluster utilization to its fullest potential.优秀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. 卓越99ai-dynamo/dynamoA Datacenter Scale Distributed Inference Serving Framework卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.34.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — PyPI.