注:如果执行第一步没有找到nvidia-smi指令，重装本机NVIDIA驱动(Linux， Windows 标题中各项版本对应)

重装NVIDIA驱动，选择自己的显卡产品系列和产品编号， 如下图 GeForce RTX 30系列，产品是3080 Ti,系统windows 10 64位 (或者本机系统，win11 ，linux等)，搜索后下载即可。
先试试第一步， 如果本机有NVIDIA驱动(也无需重装NVIDIA驱动)跳过本项即可！！！

点我进入NVIDIA官网下载本机显卡驱动

第一 : 根据本机NVIDIA显卡 Driver Version找到适合本机的CUDA Toolkit

torch.cuda.is_available()为false
一般都是cuda与本机或者pytorch版本不对应问题~~~~

首先Win+R，输入powershell，然后输入nvidia-smi指令既可查看本机Driver Version。


也可以用其他方法查看本机的驱动版本，然后对应这下图下载所需要的CUDA Toolkit版本

下载CUDA Toolkit 傻瓜式安装即可，本文主要以版本对应为主。

防止时效性不能及时更新本文，点我进入本机与需要下载CUDA版本选择的官网
下载各种CUDA Toolkit 版本，点我进入官网

下载各种CUDA版本，点我进入官网

第二步 : CUDA与cuDNN版本对应

防止时效性不能及时更新本文，点我进入CUDA与cuDNN的版本对应官网
下载各种cudnn版本，点我进入官网

第三步 : 根据CUDA选择PyTorch与torchvision和Python版本对应

防止时效性不能及时更新本文，点我进入CUDA选择PyTorch版本

第四步 : 根据PyTorch选择与torchvision和Python版本对应

防止时效性不能及时更新本文，点我进入PyTorch选择torchvision与Python版本对应GitHub
防止时效性不能及时更新本文，点我进入PyTorch选择torchvision与Python版本对应国内（推荐）

以上步骤一一对应，接下来就可以通过指令下载torch正常炼丹了CUDA11.1以上的 torchvision要装0.10.1及其以上。

PyTorch官网（推荐）

完全卸载CUDA

有时候我们安装错CUDA或者操作错误使得CUDA错乱，可以这样卸载CUDA，亲测3遍卸载，无任何毛病~
以win11为例子，进入“设置->应用”,搜索“NVIDIA”，卸载带CUDA字眼的就可以了。