CUDA和PyTorch不兼容的问题通常出现在两个方面：CUDA版本与PyTorch要求的版本不匹配，或者系统环境配置出现了问题。

1. 检查CUDA和PyTorch版本：

   • 确保你安装的PyTorch版本与你的CUDA版本兼容。你可以在PyTorch官方网站上查看PyTorch与CUDA的兼容性列表，选择一个兼容的PyTorch版本。
   • 如果你已经安装了不兼容的PyTorch版本，可以考虑升级或降级PyTorch。

2. 更新CUDA驱动程序：

   • 确保你的CUDA驱动程序是最新版本。你可以从NVIDIA官方网站下载并安装最新的CUDA驱动程序。

3. 安装正确的cuDNN：

   • PyTorch需要与你的CUDA版本兼容的cuDNN。确保你安装了正确版本的cuDNN，并且配置了正确的环境变量。

4. 检查系统环境变量：

   • 确保你已正确配置CUDA和cuDNN的环境变量。你可以通过在命令行中输入echo $PATH和echo $LD_LIBRARY_PATH来检查环境变量是否设置正确。

5. 重新安装PyTorch：

   • 如果上述方法都没有解决问题，可以尝试重新安装PyTorch。使用适当的conda或pip命令来安装PyTorch，确保你选择的版本与CUDA兼容。

6. 更新显卡驱动程序：

   • 确保你的显卡驱动程序是最新版本。有时候显卡驱动程序的问题也可能导致CUDA和PyTorch不兼容。

7. 查看错误信息：

   • 如果在使用PyTorch时遇到了CUDA相关的错误信息，务必查看完整的错误信息。有时候错误信息可以提供有用的线索，帮助解决问题。

Problem Solving（问题解决方法）： 

cuda和pytorch不兼容，多半是版本不匹配，可以通过官网查得下载的cuda版本的pytorch。 

例如cuda版本为11.3，通过网上查的匹配的pytorch版本应为1.8~1.9.

操作如下：

torch.tensor(data,device='cuda')
//报错

然后查看pytorch与cuda是否兼容

print(torch.cuda.is_available())//输出False

再查看pytorch的版本 

print(torch.__version__)

发现为1.6，版本过低进入anaconda prompt 更新 pytorch

activate pytoch #激活创建的虚拟环境pytorchconda update pytorch torchvision

更新完的版本为1.72（使用淘宝镜像网站可能版本没有最新），但也能与cuda11.0兼容

输入：

print(torch.cuda,is_available())//true

返回Ture OK问题解决！