管理项目环境和在环境中使用conda或pip里如何查看库版本———Linux命令行操作

conda vs pip：conda list 仅显示通过 conda 安装的库，pip list 显示通过 pip 安装的库。若库同时通过两种方式安装，可能会有版本冲突。

一、查看库版本

1. 查看单个库的版本

使用 conda list 或 pip show 命令。

# 使用 conda（查看conda安装的包）
conda list <package_name>
# 示例：查看numpy版本
conda list torch

# 使用 pip（查看pip安装的包）
pip show <package_name>
# 示例：查看pandas版本
pip show torch

(shi) D:>conda list torch
# packages in environment at C:
#
# Name                     Version          Build            Channel
torch                      2.4.1            pypi_0           pypi
torchvision                0.19.1           pypi_0           pypi

(shi) D>pip show torch
Name: torch
Version: 2.4.1
Summary: Tensors and Dynamic neural networks in Python with strong GPU acceleration
Home-page: https://pytorch.org/
Author: PyTorch Team
Author-email: packages@pytorch.org
License: BSD-3
Location: c:\users\11712\.conda\envs\shipitof\lib\site-packages
Requires: filelock, fsspec, jinja2, networkx, sympy, typing-extensions
Required-by: torchvision

2. 查看所有已安装库的版本

使用 conda list 或 pip list 命令。

# 查看当前环境中所有conda安装的库及其版本
conda list

# 查看当前环境中所有pip安装的库及其版本
pip list

3.在 Python 脚本中动态查看版本

import <package_name>
print(<package_name>.__version__)

# 示例：查看matplotlib版本
import matplotlib
print(matplotlib.__version__)

二、环境中导出依赖清单

在 conda 环境中导出依赖清单是管理项目环境的重要步骤。生成requirements.txt（pip 依赖）和environment.yaml（conda 环境配置）两种格式的文件。这种方便在另一台电脑上复现代码和模型运行。

1. 导出 pip 依赖清单（requirements.txt）

仅包含通过 pip 安装的包，不包含 conda 特有的包（如cudatoolkit）。版本号格式精确（如numpy==1.21.0），适合 pip 环境复现。

# 导出当前环境的所有pip依赖（包含版本号）
pip freeze > requirements.txt

# 仅导出明确安装的包（排除依赖项）
pip list --format=freeze | grep -v "^\-e" > requirements.txt

# 导出到指定路径
pip freeze > /path/to/your/requirements.txt

2. 导出 conda 环境配置（environment.yaml）

包含 conda 和 pip 安装的所有包，以及 channel 信息。版本号格式更灵活（如numpy>=1.21），适合跨平台环境复现。

# 导出当前环境的完整配置（包含环境名、channels和所有依赖）
conda env export > environment.yaml

# 排除环境名（方便在不同机器上复用）
conda env export --no-builds | grep -v "^prefix: " > environment.yaml

# 导出指定环境（不激活时使用）
conda env export -n myenv > environment.yaml

3.环境复现命令

详细说明请参考之前文章争对机器学习和深度学习里Python项目开发管理项目依赖的工具中方便第三方库和包的安装。

# 使用requirements.txt（pip环境）
pip install -r requirements.txt

# 使用environment.yaml（conda环境）
conda env create -f environment.yaml