解决这个问题的方法主要涉及以下几个步骤：

1. 确保CUDA和CuDNN的版本兼容：首先需要确保CUDA和CuDNN的版本是兼容的，可以通过查询官方文档来查看哪些版本是兼容的。如果版本不兼容，需要卸载已安装的CUDA和CuDNN，并重新安装兼容的版本。

2. 检查环境变量：安装成功后，CUDA和CuDNN需要正确地配置环境变量，以便系统能够找到CUDA和CuDNN的库文件。可以通过以下代码示例来检查环境变量是否正确配置：

import os

print(os.environ.get('CUDA_HOME'))  # 检查CUDA的安装路径
print(os.environ.get('LD_LIBRARY_PATH'))  # 检查CUDA库文件的路径
print(os.environ.get('CUDNN_HOME'))  # 检查CuDNN的安装路径

如果输出结果为空或者不正确，可以通过以下代码示例来设置环境变量：

import os

os.environ['CUDA_HOME'] = '/path/to/cuda'  # 设置CUDA的安装路径
os.environ['LD_LIBRARY_PATH'] = '/path/to/cuda/lib64'  # 设置CUDA库文件的路径
os.environ['CUDNN_HOME'] = '/path/to/cudnn'  # 设置CuDNN的安装路径

3. 检查CUDA和CuDNN的安装目录：确认CUDA和CuDNN的安装目录是否正确，可以通过以下代码示例来检查：

import torch

print(torch.cuda.is_available())  # 检查CUDA是否可用
print(torch.backends.cudnn.is_available())  # 检查CuDNN是否可用

如果输出结果为False，可以尝试重新安装CUDA和CuDNN，并确保安装目录正确。

4. 更新驱动程序：如果CUDA和CuDNN仍然无法正常工作，可以尝试更新显卡驱动程序到最新版本，以确保与CUDA和CuDNN兼容。

希望以上方法可以帮助您解决安装成功后CUDA和CuDNN无法正常工作的问题。