前面的答案没有解决我的问题，但这段代码做到了:

import sys 
for name, module in sorted(sys.modules.items()): 
  if hasattr(module, '__version__'): 
    print name, module.__version__ 

Python >= 3.8:

如果您使用的是Python >= 3.8，则可以使用内置库中的模块。要检查包的版本(在这个例子中)，运行:

>>> from importlib.metadata import version
>>> version('construct')
'4.3.1'

Python < 3.8:

使用随setuptools库分发的pkg_resources模块。注意，传递给get_distribution方法的字符串应该对应于PyPI条目。

>>> import pkg_resources
>>> pkg_resources.get_distribution('construct').version
'2.5.2'

边注:

请注意，传递给get_distribution方法的字符串应该是在PyPI中注册的包名，而不是您试图导入的模块名。不幸的是，它们并不总是相同的(例如，你安装了memcached，但导入了memcache)。 如果你想从命令行应用这个解决方案，你可以这样做:

python -c \
  "import pkg_resources; print(pkg_resources.get_distribution('construct').version)"

获取当前模块中导入的非标准(pip)模块列表:

[{pkg.key : pkg.version} for pkg in pip.get_installed_distributions() 
   if pkg.key in set(sys.modules) & set(globals())]

结果:

>>> import sys, pip, nltk, bs4
>>> [{pkg.key : pkg.version} for pkg in pip.get_installed_distributions() if pkg.key in set(sys.modules) & set(globals())]
[{'pip': '9.0.1'}, {'nltk': '3.2.1'}, {'bs4': '0.0.1'}]

注意:

这段代码从解决方案放在一起在这个页面和如何列出导入的模块?

更好的方法是:

获取特定包的详细信息

pip show <package_name>

它详细说明了package_name、版本、作者、位置等。

$ pip show numpy

Name: numpy
Version: 1.13.3
Summary: NumPy: array processing for numbers, strings, records, and objects.
Home-page: http://www.numpy.org
Author: NumPy Developers
Author-email: numpy-discussion@python.org
License: BSD
Location: c:\users\prowinjvm\appdata\local\programs\python\python36\lib\site-packages
Requires:

查看详细信息:>>> pip help

应该更新PIP以实现这一点。

pip install --upgrade pip

在Windows上，推荐的命令是:

python -m pip install --upgrade pip

根据Jakub Kukul的回答，我找到了一个更可靠的方法来解决这个问题。

这种方法的主要问题是要求包按“常规”安装(不包括使用pip install——user)，或者在Python初始化时位于系统PATH中。

要解决这个问题，可以使用pkg_resources. find_distributors (path_to_search)。如果path_to_search在系统PATH中，它基本上会搜索可导入的分布。

我们可以像这样遍历这个生成器:

avail_modules = {}
distros = pkg_resources.find_distributions(path_to_search)
for d in distros:
    avail_modules[d.key] = d.version

这将返回一个以模块为键，其版本为值的字典。这种方法可以扩展到比版本号更多的版本。

感谢Jakub Kukul指出了正确的方向。

总而言之:

conda list

(它将提供所有的库以及版本细节。)

And:

pip show tensorflow

(它提供了完整的图书馆细节。)