基于Python的深度学习以及常用环境测试案例

python 复制代码

import sys
import os
import platform

def print_python_details():
    print("="*60)
    print("📌 Python 环境与系统详细信息")
    print("="*60)

    print("\n=== 🔹 基本版本信息 ===")
    print(f"Python 完整版本: {sys.version}")
    print(f"Python 版本号: {sys.version_info}")
    print(f"Python 安装位置: {sys.executable}")

    print("\n=== 🔹 系统核心信息 ===")
    print(f"操作系统: {platform.system()} {platform.release()} ({platform.version()})")
    print(f"系统架构: {platform.machine()}")
    print(f"处理器: {platform.processor() or '未知'}")

    print("\n=== 🔹 Python路径与环境 ===")
    print("Python模块搜索路径（前10条）:")
    for i, path in enumerate(sys.path[:10]):
        print(f"  [{i+1}] {path}")
    if len(sys.path) > 10:
        print(f"  ... 还有 {len(sys.path)-10} 条路径未显示")

    print(f"\n标准库安装目录: {os.path.dirname(os.__file__)}")

    
    print("\n" + "="*60)

if __name__ == "__main__":
    print_python_details()

shell 复制代码

============================================================
📌 Python 环境与系统详细信息
============================================================

=== 🔹 基本版本信息 ===
Python 完整版本: 3.13.11 | packaged by Anaconda, Inc. | (main, Dec 10 2025, 21:21:58) [MSC v.1929 64 bit (AMD64)]   
Python 版本号: sys.version_info(major=3, minor=13, micro=11, releaselevel='final', serial=0)
Python 安装位置: D:\Software\Miniconda3\python.exe

=== 🔹 系统核心信息 ===
操作系统: Windows 11 (10.0.26200)
系统架构: AMD64
处理器: Intel64 Family 6 Model 165 Stepping 2, GenuineIntel

=== 🔹 Python路径与环境 ===
Python模块搜索路径（前10条）:
  [1] F:\FISH\CODE
  [2] D:\Software\Miniconda3\python313.zip
  [3] D:\Software\Miniconda3\DLLs
  [4] D:\Software\Miniconda3\Lib
  [5] D:\Software\Miniconda3
  [6] D:\Software\Miniconda3\Lib\site-packages

标准库安装目录: D:\Software\Miniconda3\Lib

============================================================

python 复制代码

import torch
import torchvision
import os
import sys
import platform

def print_torch_environment_info():
    print('\n')
    print('=' * 25, '@程序员LIANG', '=' * 25)
    
    print(f'PyTorch版本: {torch.__version__}')
    print(f'TorchVision版本: {torchvision.__version__}')
    
    print(f'\nPyTorch安装路径: {os.path.dirname(torch.__file__)}')
    print(f'TorchVision安装路径: {os.path.dirname(torchvision.__file__)}')
    
    print(f'\nPython版本: {sys.version.split()[0]}')
    print(f'Python路径: {sys.executable}')
    
    if torch.cuda.is_available():
        print(f'\n=== GPU (CUDA) 信息 ===')
        print(f'GPU是否可用: {torch.cuda.is_available()}')
        print(f'GPU型号: {torch.cuda.get_device_name(0)}')
        print(f'CUDA版本: {torch.version.cuda}')
        print(f'cuDNN版本: {torch.backends.cudnn.version()}')
        print(f'当前GPU的CUDA算力: {torch.cuda.get_device_capability(0)}')
        print(f'当前GPU总显存: {torch.cuda.get_device_properties(0).total_memory / (1024**3):.2f} GB')
        print(f'当前GPU已用显存: {torch.cuda.memory_allocated(0) / (1024**3):.2f} GB')
        print(f'当前GPU显存使用率: {(torch.cuda.memory_allocated(0) / torch.cuda.get_device_properties(0).total_memory) * 100:.2f} %')
    else:
        print(f'\n=== GPU (CUDA) 信息 ===')
        print(f'GPU是否可用: {torch.cuda.is_available()} (当前为CPU版本)')
        print(f'CUDA版本: 未安装/不可用')
        print(f'cuDNN版本: 未安装/不可用')
        print(f'\n=== CPU 信息 ===')
        print(f'CPU型号: {platform.processor() or "未知"}')
        print(f'CPU核心数: 物理核心={os.cpu_count()}, 逻辑核心={os.cpu_count()}')  # Windows/Linux通用
    
    print('=' * 25, '@程序员LIANG', '=' * 25)
    print('\n')

if __name__ == "__main__":
    print_torch_environment_info()

shell 复制代码

========================= @程序员LIANG =========================
PyTorch版本: 2.10.0+cu130
TorchVision版本: 0.25.0+cu130

PyTorch安装路径: D:\Software\Miniconda3\envs\torch210-cu130-cp314\Lib\site-packages\torch
TorchVision安装路径: D:\Software\Miniconda3\envs\torch210-cu130-cp314\Lib\site-packages\torchvision

Python版本: 3.14.2
Python路径: D:\Software\Miniconda3\envs\torch210-cu130-cp314\python.exe

=== GPU (CUDA) 信息 ===
GPU是否可用: True
GPU型号: NVIDIA GeForce GTX 1650
CUDA版本: 13.0
cuDNN版本: 91200
当前GPU的CUDA算力: (7, 5)
当前GPU总显存: 4.00 GB
当前GPU已用显存: 0.00 GB
当前GPU显存使用率: 0.00 %
========================= @程序员LIANG =========================

python 复制代码

import tensorflow as tf

print("TensorFlow版本:", tf.__version__)
print("GPU是否可用:", tf.config.list_physical_devices('GPU'))

gpus = tf.config.list_physical_devices('GPU')
if gpus:
    print("找到以下GPU设备:")
    for gpu in gpus:
        print(f"  - {gpu}")
else:
    print("未找到GPU设备")

print("CUDA是否可用:", tf.test.is_built_with_cuda())
if gpus:
    print("\nGPU详细信息:")
    for device in gpus:
        print(f"设备名称: {device.name}")
        print(f"设备类型: {device.device_type}")

shell 复制代码

TensorFlow版本: 2.10.0
GPU是否可用: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
找到以下GPU设备:
  - PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')
CUDA是否可用: True

GPU详细信息:
设备名称: /physical_device:GPU:0
设备类型: GPU

基于Python的深度学习以及常用环境测试案例

文章目录

Environment Test

Python

PyTorch

TensorFlow