要查询 Python 环境中 PyTorch 版本，可以按照以下步骤操作：

步骤 1：打开命令提示符（CMD）或终端

• 按下 Win + R，输入 cmd 并回车，打开命令提示符；若使用 Linux/Mac 系统，打开终端即可。

步骤 2：进入 Python 交互环境

在命令行中输入 python（或 python.exe，若存在多个 Python 版本需指定路径），进入 Python 交互界面，此时会显示 Python 版本信息，类似如下内容：

plaintext

Python 3.10.11 (tags/v3.10.11:7d4cc5a, Apr  5 2023, 00:38:17) [MSC v.1929 64 bit (AMD64)]
Type "help", "copyright", "credits" or "license" for more information.
>>>

步骤 3：执行代码查询 PyTorch 版本

在 >>> 提示符后，依次输入以下代码并回车：

python

运行

import torch
print(torch.__version__)

执行后，终端会输出 PyTorch 的版本信息（如示例中的 2.1.0+cu118，其中 cu118 表示该版本支持 CUDA 11.8 加速）。

额外说明

• 若需退出 Python 交互环境，可输入 exit() 并回车。
• 也可通过命令行直接执行（无需进入交互环境），命令为：

  cmd

  python -c "import torch; print(torch.__version__)"
  

除了查询 PyTorch 版本，以下是一些常用的 Python 环境管理、包管理及系统信息查询命令，适用于日常开发和环境排查：

一、Python 及包管理常用命令

1. 基础信息查询

• 查询 Python 版本（确认当前使用的 Python 版本）：

  cmd

  python --version  # 或 python -V
  python3 --version  # 部分系统区分 python/python3 时使用
  

• 查询 pip 版本（包管理工具版本）：

  cmd

  pip --version  # 或 pip -V
  pip3 --version  # 对应 python3 的 pip
  

2. 包相关操作

• 查询已安装的所有包（列出环境中所有安装的 Python 包及版本）：

  cmd

  pip list
  pip freeze  # 输出格式更简洁，常用于导出依赖（如 pip freeze > requirements.txt）
  

• 查询指定包的版本（以 TensorRT、CUDA 相关包为例）：

  cmd

  pip show tensorrt  # 查看 tensorrt 包的详细信息（包括版本、安装路径）
  pip show torch  # 查看 PyTorch 版本及依赖
  pip show nvidia-cuda-runtime-cu12  # 查看 CUDA 运行时版本（若通过 pip 安装）
  

• 安装 / 卸载包：

  cmd

  pip install 包名  # 安装最新版（如 pip install torch）
  pip install 包名==版本号  # 安装指定版本（如 pip install torch==2.1.0）
  pip uninstall 包名  # 卸载包
  

• 升级 pip 或包：

  cmd

  python -m pip install --upgrade pip  # 升级 pip 自身
  pip install --upgrade 包名  # 升级指定包（如 pip install --upgrade tensorrt）
  

二、系统与环境变量查询（Windows 常用）

1. 环境变量相关

• 查看系统环境变量 PATH（检查 TensorRT、CUDA 等路径是否配置）：

  cmd

  echo %PATH%  # 输出所有 PATH 变量，可搜索关键词（如 "tensorrt"、"cuda"）
  

• 查看指定环境变量（如 CUDA 安装路径）：

  cmd

  echo %CUDA_PATH%  # 查看 CUDA 路径（若配置）
  echo %TENSORRT_PATH%  # 查看 TensorRT 路径（若手动配置过该变量）
  

2. 硬件与驱动信息

• 查询 NVIDIA 显卡及驱动版本（需安装 NVIDIA 驱动）：

  cmd

  nvidia-smi  # 显示显卡型号、驱动版本、CUDA 版本（右上角）等信息
  

• 查询 CUDA 编译器版本（验证 CUDA 是否安装成功）：

  cmd

  nvcc --version  # 输出 CUDA 版本（如 release 12.4）
  

三、虚拟环境管理（以 conda 为例）

• 查看所有虚拟环境：

  cmd

  conda env list
  

• 激活 / 退出虚拟环境：

  cmd

  conda activate 环境名  # 激活指定环境
  conda deactivate  # 退出当前环境
  

• 查询当前环境中安装的包：

  cmd

  conda list  # 类似 pip list，但包含 conda 管理的包
  

四、快速执行 Python 代码（无需进入交互环境）

通过 python -c 直接运行单行或多行代码，适合快速验证：

cmd

# 验证 TensorRT 是否安装成功
python -c "import tensorrt; print('TensorRT 版本：', tensorrt.__version__)"

# 验证 PyTorch 是否支持 CUDA
python -c "import torch; print('PyTorch 支持 CUDA：', torch.cuda.is_available())"

这些命令覆盖了环境配置、包管理、硬件信息查询等常见场景，日常排查环境问题时非常实用。根据具体需求选择对应命令即可。——大飞哥软件自习室：https://blog.csdn.net/china365love