决定不升级CUDA版本，而是使用一个与CUDA 11.5兼容的PyTorch版本，您可以按照以下步骤来安装一个较旧版本的PyTorch。

1. 卸载当前的PyTorch版本：首先，您需要卸载当前安装的PyTorch，以避免任何潜在的版本冲突。在命令行中运行以下命令：

   pip uninstall torch torchvision torchaudio
   

2. 查找合适的PyTorch版本：接下来，您需要查找一个为CUDA 11.5编译的PyTorch版本。您可以访问PyTorch官方网站，并在“Previous PyTorch Versions”部分找到与CUDA 11.5兼容的版本。

3. 安装兼容的PyTorch版本：在确定了哪个PyTorch版本与CUDA 11.5兼容之后，您可以使用pip或conda来安装。例如，如果您找到PyTorch版本1.9.0是与CUDA 11.5兼容的，您可以使用以下命令安装：

   使用pip的话：
   install pytorch1.12.1 torchvision0.13.1 cudatoolkit=11.3 -c pytorch

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

这里，-f https://download.pytorch.org/whl/torch_stable.html会告诉pip使用官方的PyTorch资源库来找到与CUDA 11.5兼容的PyTorch版本。

请注意，您需要将`1.9.0`替换为您找到的正确的版本号，而`+cu115`表示这个包是为CUDA 11.5编译的。在运行这些命令之前，请确保您的环境（例如conda环境）是激活的。

4. 验证安装：安装完成后，您应该验证PyTorch和CUDA是否正确安装。在Python中运行以下代码：

python -c "import torch; print(torch.__version)”

这应该会输出PyTorch的版本，PyTorch使用的CUDA版本，以及一个布尔值，指示CUDA是否可用。

请确保在您的工作环境或虚拟环境中执行这些步骤，避免对系统级别的Python环境产生影响。