当前位置：首页 > news >正文

几种查看PyTorch、cuda 和 Python 版本方法

news 来源：原创 2025/4/25 7:13:29

在检查 PyTorch、cuda 和 Python 版本时，除了直接使用 `torch.version` 和 `sys.version`，我们还可以通过其他方式实现相同的功能

方法 1：直接访问属性（原始代码）

import torch
import sysprint("PyTorch Version: {}".format(torch.__version__))
print("Python Version: {}".format(sys.version))

特点：

简单直接，无需额外依赖。
适用于快速检查版本信息。

方法 2：通过命令行工具

如果希望在脚本外部检查版本，可以直接使用命令行工具。

Python 版本

python --version
# 或
python -V

PyTorch 版本

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

特点：

适用于脚本外部检查，无需编写 Python 代码。
可以集成到 CI/CD 流程中。

方法 3：使用 `torch.version` 模块

PyTorch 提供了一个 torch.version 模块，可以获取更详细的版本信息。

import torch
import sys# 获取 PyTorch 版本信息
print("PyTorch Version: {}".format(torch.version.__version__))  # 或直接使用 torch.__version__
print("PyTorch CUDA Version: {}".format(torch.version.cuda))  # 获取 CUDA 版本
print("PyTorch cuDNN Version: {}".format(torch.backends.cudnn.version()))  # 获取 cuDNN 版本# Python 版本
print("Python Version: {}".format(sys.version))

特点：

可以获取 CUDA 和 cuDNN 的版本信息，对于调试 GPU 环境非常有用。
torch.version 提供了更细粒度的版本控制。

方法 4：使用 `pkg_resources`

pkg_resources 是 setuptools 提供的一个工具，可以查询已安装包的版本信息。

import pkg_resources# 获取 PyTorch 版本
try:pytorch_version = pkg_resources.get_distribution("torch").versionprint("PyTorch Version: {}".format(pytorch_version))
except pkg_resources.DistributionNotFound:print("PyTorch is not installed.")# Python 版本仍通过 sys 模块
import sys
print("Python Version: {}".format(sys.version))

特点：

可以查询任何已安装包的版本，而不仅仅是 PyTorch。
如果包未安装，会捕获 DistributionNotFound 异常。

方法 5：使用 `platform` 模块（补充 Python 信息）

虽然 sys.version 已经提供了 Python 版本信息，但 platform 模块可以提供更详细的系统信息。

import torch
import platformprint("PyTorch Version: {}".format(torch.__version__))
print("Python Version: {}".format(platform.python_version()))
print("Platform: {}".format(platform.platform()))

特点：

platform.platform() 提供了操作系统的详细信息。
适用于需要记录系统环境的场景。

方法 6：结合 `subprocess` 调用命令行

如果需要在 Python 脚本中调用外部命令行工具，可以使用 subprocess 模块。

import subprocessdef get_python_version():result = subprocess.run(["python", "--version"], capture_output=True, text=True)return result.stdout.strip()def get_pytorch_version():result = subprocess.run(["python", "-c", "import torch; print(torch.__version__)"], capture_output=True, text=True)return result.stdout.strip()print("Python Version: {}".format(get_python_version()))
print("PyTorch Version: {}".format(get_pytorch_version()))

特点：

适用于需要从外部命令行获取信息的场景。
可以灵活地调用其他命令行工具。

方法 7：使用 `torch.utils.collect_env`

PyTorch 提供了一个 torch.utils.collect_env 工具，可以收集详细的系统环境信息，包括 PyTorch、Python、CUDA、cuDNN 等。

import torchenv_info = torch.utils.collect_env()
print(env_info)

特点：

提供全面的环境信息，适合用于调试和问题报告。
输出格式为字典，可以进一步处理。

总结

方法	优点	缺点
直接访问属性	简单直接，无需额外依赖	功能有限，仅能获取基本版本信息
PyTorch
通过命令行工具	适用于脚本外部检查，无需编写 Python 代码	需要手动执行命令
使用 `torch.version`	提供更详细的版本信息（CUDA、cuDNN）	仅适用于
使用 `pkg_resources`	可以查询任何已安装包的版本	需要额外依赖 `setuptools`
使用 `platform` 模块	提供详细的系统信息	功能与 `sys` 模块部分重叠
结合 `subprocess`	灵活调用外部命令行工具	实现复杂，性能可能较低
使用 `torch.utils.collect_env`	提供全面的环境信息，适合调试	输出格式复杂，需要进一步处理