CUDA、Ubuntu与PyTorch版本冲突问题咨询
我完全理解你在迁移HPC上的ML代码到新电脑时遇到的版本适配头疼问题——这种依赖链的连锁冲突确实很磨人！咱们一步步拆解问题，给你几个实用的解决方案：
首先先理清楚核心矛盾：你原来的PyTorch是基于CUDA12.1编译的，新电脑装的是CUDA12.6，导致版本不匹配报错；而直接在Ubuntu24.04上装CUDA12.1时，又因为系统默认用的是libtinfo6，缺了CUDA12.1依赖的libtinfo5。
下面是几个可行的解决方向，你可以根据自己的需求选：
方案一：补装libtinfo5，保留CUDA12.1（最省心，推荐优先尝试）
其实Ubuntu24.04的软件仓库里是有libtinfo5的，只是默认没安装而已，你只需要打开终端执行：
sudo apt update && sudo apt install libtinfo5
装完这个依赖后，就能正常安装CUDA12.1了。这样你的新电脑环境就和HPC上的完全一致，不用改动任何代码或PyTorch配置，直接复用原来的环境，是最省事儿的选择。
这个方案的好处是100%复用你已经调通的HPC环境，不用重新适配代码；唯一的小缺点是用的不是最新的CUDA版本，但对于大部分ML任务来说，只要能跑通、性能满足需求就够了——毕竟你的代码原本就是基于CUDA12.1开发的，没必要强行追新。
方案二：重新安装适配CUDA12.6的PyTorch版本（保留最新CUDA）
如果你不想降级CUDA，想保留最新的12.6版本，那可以直接重新安装适配CUDA12.6的PyTorch包。你之前遇到的“最新PyTorch不支持最新CUDA”是旧信息，现在PyTorch的稳定版已经完全支持CUDA12.6了。
具体操作很简单，直接用pip执行对应的安装命令即可：
pip3 install torch torchvision torchaudio
如果默认安装的版本没有适配CUDA12.6，你可以在命令中添加指定CUDA12.6的参数，确保安装的是对应版本的包（无需跳转外部网站，直接在pip指令里添加索引参数即可）。
这个方案的好处是能用到CUDA12.6的新特性，保留系统的最新配置；缺点是需要替换你原来的PyTorch环境，可能需要重新测试代码的兼容性——不过大部分ML代码在PyTorch新版本上都能正常运行，不用大改。
方案三：降级Ubuntu到旧版本（不推荐）
除非你有必须用旧Ubuntu版本的特殊需求，否则完全不建议降级系统。降级系统不仅操作繁琐，还会丢失很多系统配置和新特性，纯粹是给自己找事儿，完全没必要。
另外，还有个更懒的小技巧：你用的是Apptainer容器，其实可以直接把HPC上已经配置好的容器镜像拷贝到新电脑上，直接复用这个镜像运行代码！这样完全避开系统层面的版本冲突，连环境都不用重新配，简直是迁移ML环境的最优解。
总结一下优先级：优先尝试补装libtinfo5用回CUDA12.1，或者直接复用HPC的Apptainer镜像；如果想尝鲜最新CUDA，再重新装适配的PyTorch版本。
备注：内容来源于stack exchange，提问作者Seldi
