在安装 Pytorch cuda 后，需要检查以下几点：

1. 是否安装了与 CUDA 版本一致的 Pytorch。例如，如果你的 CUDA 版本是 11.1，则需要安装 Pytorch 1.7.0 或以上版本，如果 CUDA 版本是 10.2，则需要安装 Pytorch 1.6.0 或以上版本。

2. 是否在安装 Pytorch 时选择了正确的 CUDA 版本。在安装 Pytorch 时，需要指定所使用的 CUDA 版本。

如果以上两点都已经检查并确定无误，但是 torch.cuda.is_available() 仍然返回为 false，则可以尝试以下方法：

import torch
print(torch.__version__)
print(torch.version.cuda)

# 如果以上两行输出显示 Pytorch 和 CUDA 版本一致，则执行以下代码
from torch.backends import cudnn
cudnn.enabled = True
cudnn.benchmark = True

# 重新运行 torch.cuda.is_available() 测试
if torch.cuda.is_available():
  print("CUDA is available")
else:
  print("CUDA is not available")

以上代码中，torch.version 和 torch.version.cuda 分别用于输出已安装的 Pytorch 和 CUDA 版本。如果这两个版本不一致，则需要重新安装或更新。

通过设置 cudnn.enabled = True 和 cudnn.benchmark = True 可以提升深度学习模型在 GPU 上的运行速度。重新运行 torch.cuda.is_available() 检查是否可用。

如果以上操作仍然无法解决问题，可以尝试重新安装 CUDA 并重启计算机，或者在 Pytorch 官方论坛中寻求帮助。