napari: a multi-dimensional image viewer for Python
Notice bibliographique
Résumé
napari 0.6.6 ⚠️ Note: these release notes are still in draft while 0.6.6 is in release candidate testing. ⚠️ Fri, Oct 10, 2025 We're happy to announce the release of napari 0.6.6! napari is a fast, interactive, multi-dimensional image viewer for Python. It's designed for browsing, annotating, and analyzing large multi-dimensional images. It's built on top of Qt (for the GUI), vispy (for performant GPU-based rendering), and the scientific Python stack (numpy, scipy). For more information, examples, and documentation, please visit our website, https://napari.org. napari follows EffVer (Intended Effort Versioning); this is a Meso release containing awesome new features, but some effort may be needed when updating previous projects to use this version. Highlights This a small bugfix release, following up the changes in 0.6.5. Bug Fixes Fix invisible zoom box (#8344) Documentation Add release notes for v0.6.6 (docs#866) Other Pull Requests Add a new attr_to_settr utility function and simplify layer control widgets layer to widget setup (#8274) ci(dependabot): bump the actions group with 9 updates (#8324) Delay settings import to avoid circular import (#8327) Add info about conda forge manual trigger to release checklist (#8328) 3 authors added to this release (alphabetical) (+) denotes first-time contributors 🥳 Daniel Althviz Moré - @dalthviz Grzegorz Bokota - @Czaki Lorenzo Gaifas - @brisvag 6 reviewers added to this release (alphabetical) (+) denotes first-time contributors 🥳 Carol Willing - @willingc Daniel Althviz Moré - @dalthviz Grzegorz Bokota - @Czaki Lorenzo Gaifas - @brisvag Melissa Weber Mendonça - @melissawm Tim Monko - @TimMonko
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,300 | 0,276 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».