如何查看已安装的Python和TensorFlow的版本（最全最详细的说明）

最新推荐文章于 2025-11-12 13:55:00 发布
原创 最新推荐文章于 2025-11-12 13:55:00 发布 · 3.9w 阅读 · 28 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #tensorflow #安装版本查询 #安装路径查询

部署运行你感兴趣的模型镜像

欢迎关注WX公众号：【程序员管小亮】

由于Python的版本不同，TensorFlow的版本不同，可能很多时候会出现很多问题。

比如函数调用的方式，环境安装的版本等等，这个时候如果可以查看的到对应的版本，这些问题就都迎刃而解了。

这里以Windows10系统为例。

1、首先点击小窗户（开始）下的运行。

在这里插入图片描述

2、输入cmd并点击确认。

在这里插入图片描述

3、得到对应的终端输入框.exe程序（黑黑的）。

在这里插入图片描述

4、运行下面命令，得到Python版本。
python

在这里插入图片描述

5、分别运行的代码，得到TensorFlow的版本和安装路径（注意是两个下划线，一共四个_）。
import tensorflow as tf

tf.__version__   # 查询tensorflow版本

在这里插入图片描述

tf.__path__      # 查询tensorflow

在这里插入图片描述

python课程推荐。
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

tensorflow 版本、 位置 查询 4法
Jeff zhao
05-05 2431
法一：1.同时按下win键和R键，在弹出的“运行”对话框中，输入“cmd”，点击 “确实”，进入“命令提示符窗口”。 在这里插入图片描述 2.在“命令提示符窗口”中，键入"python"，键入“import tensorflow as tf“，再键入”tf.version“,显示出版本，而键入“tf.path”，则显示安装路径。 法二：查询版本——在“命令提示符窗口”中，键入pip list,...
tensorflow没有_version_属性查看tensorflow版本
mgdj25的博客
02-06 3946
如何查看在anaconda下载的tensorflow 的版本？ （1）首先确保自己下载好tensorflow，检查方法自行搜索一个。 （2）打开上图。 （3）1激活tensorflow 2在tensorflow下，输入python （4）1：import tensorflow tensorflow.version 然后可以看到输出版本号 2是自己搜索了很多信息，说用tensorflow.versi...
查看已安装tensorflow版本
山中有石为玉
01-07 3290
查看已安装tensorflow版本，终端输入查询命令如下: python import tensorflow as tf tf.__version__ 查询tensorflow安装路径为: tf.__path__
查看已安装tensorflow版本的方法示例
09-17
主要介绍了查看已安装tensorflow版本的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python 第三方库：TensorFlow（深度学习框架）
最新发布
qq_41176800的博客
11-12 1113
TensorFlow 提供了灵活的 API，既能支持底层的数值计算图（Graph Execution），也能支持高层次的模型构建（如 Keras API）。（4）推理与部署：通过 TensorFlow Lite、TensorFlow.js、TensorFlow Serving 在移动端、浏览器和服务器上部署。TensorFlow 是一个全面的深度学习框架，既能提供底层数值计算支持，也能通过 Keras 进行高层建模。它支持跨平台、分布式、高性能 的训练与部署，是科研与工业界广泛使用的工具。
查看tensorflow版本
weixin_43648213的博客
09-30 9664
首先我们要打开管理员系统，在运行里cmd一下。 输入python命令进入 python交互式命令行界面 导入我们安装好的tensorflow import tensorflow 输入下面代码，注意：version前后各有两个下划线，只输入一个会报错 print(tensorflow.__version__) ...
查看已安装tensorflow的版本
SHENZHEN VOLATILITY RESEARCH
06-01 8694
如何查看当前tensorflow的版本 进入python, tensorflow 环境 Mac OS terminal, type: python import tensorflow as tf tf. version （注意：是两个下划线），这个命令查看当前已安装tensorflow的版本 tf. path (注意：是两个下划线），这个命令查看当前已安装tensorflow的安装目录 ...
精选资源
windows系统python3.8的CPU版本tensorflow
04-09
如果没有任何错误输出，并且打印出TensorFlow的版本号，说明安装成功。 **开始使用TensorFlow** 现在，你已经可以开始使用TensorFlow进行机器学习和深度学习了。创建模型、训练、评估和部署，TensorFlow提供了丰富...
精选资源
基于Python+Tensorflow实现声纹识别+源代码+文档说明
01-12
基于Python+Tensorflow实现声纹识别+源代码+文档说明 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ ...
python3.7版本tensorflow安装（简单）
qq_32358329的博客
11-03 2万+
最近想要研究一下深度学习的应用，于是翻了翻了社区的tensorflow安装教程。发现许多教程适用性好像不是太强，就算完全按照安装步骤来也会卡到不知道哪一步？？ 想必小白们也会遇到许多这样的问题，这个问题困扰了我整整两天。于是打算放弃网上的主流方法，自己下载package安装。最终结果也最终得偿所愿，下面我将分享一下我的安装完全步骤，首先声明本教程不涉及安装anaconda。所以如果有anaconda安装需求请不要浪费您的时间，出门右拐！！！比如本人觉得比较认真的一篇博文https://www.cnblogs
终端命令查看TensorFlow版本号及路径的方法
09-20
今天小编就为大家分享一篇终端命令查看TensorFlow版本号及路径的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
win10下python3.5.2和tensorflow安装环境搭建教程
09-20
安装成功后，通过在命令提示符（cmd）中输入`python`或`pip`并回车，应当能看到相应的版本信息和帮助文档，这说明Python和pip已经正确安装。接下来，通过执行`pip install --upgrade pip`命令来更新pip到最新版本，...
查看tensorflow版本以及tensorflow更新
ak47fourier的博客
01-15 2164
如何查看当前tensorflow版本： python import tensorflow as tf tf.__version__ 更新tensorflow版本： sudo pip install tensorflow==1.7.0
Tensorflow小技巧01：检测本地Tensorflow的版本
山云的专栏
04-18 2288
【代码】人工智能小技巧：检测本地Tensorflow的版本。
如何查看当前tensorflow版本：
wangdongdongling的博客
11-26 4348
进入Anaconda Prompt后，依次输入： (base) C:\Users\LAB>python import tensorflow as tf tf.version 即可 exit() (base) C:\Users\LAB> 通过 exit() 可回到 (base) C:\Users\LAB> 状态
查看tensorflow版本信息
duoduohair的博客
08-31 384
WIN+R打开命令行 输入cmd 输入以下指令 注意 下划线是两条__而不是_
如何查看已安装的tensorflow的版本和位置
weixin_55604214的博客
04-21 3514
这是查找版本号（注意，此处version的左右各有两个下划线）3、待执行完上述语句后，输入。
windows下查看已安装的tensorflow版本
热门推荐
耶律大石的博客
12-05 6万+
由于tensorflow版本不同,可能一些函数的调用也有变换,这时候可能需要查看tensorflow版本,可以在终端输入查询命令如下: 开始——运行——cmd：打开了命令行 先输入： python 查看tensorflow版本 输入： import tensorflow as tf tf.__version__ 如图所示： 查看tensorflow安装路径 输入： tf.__path_...
matplot 对应的python和TensorFlow 版本
08-26
<think>我们正在查找与Matplotlib 3.5.3兼容的Python和TensorFlow版本。根据之前的错误信息，Matplotlib 3.5.3对Python版本有多个要求，同时TensorFlow也有自己的Python版本要求。 从之前的错误分析中，我们可以总结： 1. Matplotlib 3.5.3 支持的Python版本包括： - Python >=3.10,<3.11.0a0 - Python >=3.7,<3.8.0a0 - Python >=3.8,<3.9.0a0 2. TensorFlow（特别是tensorflow-gpu 2.5.0）支持的Python版本： - 从错误信息中看到，tensorflow-gpu 2.5.0 需要Python 3.7.* 或 3.8.*（因为错误信息中提到了tensorflow-base 2.5.0要求Python 3.9.*，但同时也提到了其他版本） 但是，注意错误信息中有一个关键点：当前环境有一个pin（固定）要求是Python 3.9.*（标记为'pin-1'），这导致了冲突。 因此，我们需要选择一个同时满足Matplotlib 3.5.3和TensorFlow 2.5.0（或我们想要的TensorFlow版本）的Python版本。 根据以上信息，我们可以选择： - Python 3.7 或 3.8（因为这两个版本同时被Matplotlib 3.5.3和TensorFlow 2.5.0支持） 具体步骤： 1. 创建一个新的conda环境，指定Python版本为3.7或3.8。 2. 在该环境中安装Matplotlib 3.5.3和TensorFlow（例如2.5.0）。 另外，我们也可以考虑使用其他版本的TensorFlow，只要它支持Python 3.7或3.8。但根据问题，我们主要关注TensorFlow 2.5.0。 注意：TensorFlow 2.5.0官方文档说明它支持Python 3.6-3.9，但根据conda的错误信息，在conda中安装时，它可能对Python 3.9有特定的构建，但可能与其他包（如openssl）冲突。因此，我们选择Python 3.7或3.8以避免冲突。 推荐步骤： 创建环境（以Python 3.8为例）： ``` conda create --name tf_matplotlib python=3.8 -y conda activate tf_matplotlib ``` 安装Matplotlib 3.5.3： ``` pip install matplotlib==3.5.3 ``` 安装TensorFlow 2.5.0（GPU版本）： 注意：安装TensorFlow GPU版本需要先安装对应的CUDA和cuDNN。我们可以使用conda来安装这些依赖。 参考TensorFlow官方文档，TensorFlow 2.5.0需要CUDA 11.2和cuDNN 8.1.0。 使用conda安装CUDA和cuDNN： ``` conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 ``` 然后安装TensorFlow： ``` pip install tensorflow-gpu==2.5.0 ``` 验证安装： 启动Python，运行： ```python import tensorflow as tf import matplotlib print(tf.__version__) # 应该输出2.5.0 print(matplotlib.__version__) # 应该输出3.5.3 ``` 注意：如果使用pip安装TensorFlow，可能会自动安装兼容的Matplotlib版本，但这里我们指定了Matplotlib版本，所以应该没问题。 如果遇到其他依赖问题，可能需要调整其他包的版本。 另外，如果不需要GPU，可以安装CPU版本的TensorFlow，但问题中要求的是GPU版本。 总结兼容版本： - Python: 3.7 或 3.8 - Matplotlib: 3.5.3 - TensorFlow: 2.5.0（GPU版本需要CUDA 11.2和cuDNN 8.1.0） 其他注意事项：在安装过程中，可能会遇到其他包（如numpy）的版本冲突。通常，TensorFlow会指定numpy的版本范围，而Matplotlib可能要求较新的numpy。如果出现冲突，可以尝试先安装TensorFlow，然后再安装Matplotlib，让pip自动解决依赖，或者手动安装兼容的numpy版本。 如果出现numpy版本问题，可以尝试： - 先安装TensorFlow，它会安装一个较旧版本的numpy（如1.19.2） - 然后安装Matplotlib，它会尝试升级numpy，但可能导致TensorFlow不兼容。因此，我们可以限制numpy版本： ``` pip install numpy==1.19.5 # 这个版本通常与TensorFlow 2.5.0和Matplotlib 3.5.3兼容 ``` 或者，在安装Matplotlib时指定不升级numpy（但这种方法可能不可靠）： ``` pip install --no-deps matplotlib==3.5.3 ``` 然后再安装其他依赖。 但通常，Matplotlib 3.5.3支持numpy>=1.17.3，而TensorFlow 2.5.0要求numpy~=1.19.2，所以使用numpy 1.19.5应该是安全的。 最后，生成相关问题：</think>### Matplotlib 3.5.3 兼容的 Python 和 TensorFlow 版本指南 #### 核心兼容性矩阵 根据依赖分析，Matplotlib 3.5.3 与 TensorFlow 的兼容性主要受 **Python 版本**和 **OpenSSL 依赖**约束： | 组件 | 兼容版本 | 不兼容版本 | |------|----------|------------| | **Python** | 3.7.x, 3.8.x, 3.10.x | 3.9.x (因OpenSSL冲突) | | **TensorFlow** | 2.5.0 (需特定配置), 2.6.0 | ≥2.7.0 (需更高Python) | | **OpenSSL** | 3.0.x 系列 | 1.1.1 系列 (与Python 3.9冲突) | #### 推荐配置方案 ##### 方案1：Python 3.8 + TensorFlow 2.5.0（最佳兼容） ```bash conda create -n tf_ml_env python=3.8 conda activate tf_ml_env # 安装核心依赖（避免自动升级冲突） conda install -c conda-forge openssl=3.0.13 conda install matplotlib=3.5.3 # 安装TensorFlow GPU版本 conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 pip install tensorflow-gpu==2.5.0 ``` ##### 方案2：Python 3.10 + TensorFlow 2.6.0（次选） ```bash conda create -n tf_ml_env python=3.10 conda activate tf_ml_env # 安装Matplotlib和TensorFlow conda install matplotlib=3.5.3 conda install -c conda-forge cudatoolkit=11.2 pip install tensorflow-gpu==2.6.0 ``` #### 版本冲突详解 1. **Python 3.9 问题根源** Matplotlib 3.5.3 依赖的Qt库要求： $$ \text{openssl} \geq 3.0.x \quad \text{或} \quad \text{icu} \geq 58.2 $$ 但Python 3.9默认绑定openssl 1.1.1系列，导致不兼容[^1]。 2. **TensorFlow 2.5.0 特殊要求** 需要匹配的CUDA组件： ```mermaid graph LR A[TensorFlow 2.5.0] --> B[CUDA 11.2] B --> C[cuDNN 8.1.0] C --> D[Python 3.7/3.8] ``` #### 验证安装 ```python import matplotlib import tensorflow as tf print(f"Matplotlib: {matplotlib.__version__}") # 应输出 3.5.3 print(f"TensorFlow: {tf.__version__}") # 应输出 2.5.0 或 2.6.0 print("GPU可用:", tf.config.list_physical_devices('GPU')) ``` #### 兼容性扩展建议 - **Matplotlib 升级选项**：若需使用Python 3.9+，可升级到Matplotlib ≥3.6.0（解决Qt依赖链） - **TensorFlow 升级路径**： - Python 3.8 → TF 2.10 (最后支持Python 3.8的版本) - Python 3.10 → TF 2.12+ (当前稳定版) > **关键提示**：使用`conda list --export > requirements.txt`保存环境配置，避免未来依赖冲突[^1]。
评论 20
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我是管小亮

一口吃掉你的打赏，嗝~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值