0. 说明：
之前根据GPU版本安装了CUDA 9.0，因此现安装与CUDA 9.0相对应的Pytorch版本，但在安装Pytorch之前要先确认一下Python的版本。
1. 查看 CUDA 9.0 对应的 Pytorch
从https://pytorch.org/get-started/previous-versions/中查找CUDA 9.0对应的Pytorch，从下图可以看出CUDA 9.0对应的Pytorch是v 1.1.0
2. 查看 Pytorch 1.1.0 对应的 Python 版本：
从https://gitcode.net/mirrors/pytorch/vision?utm_source=csdn_github_accelerator中查找 Pytorch 1.1.0 对应的Python版本，从下图可以看出Pytorch 1.1.0对应的Python版本是==2.7, >=3.5, <=3.7
3. Python 以及 Pytorch 的安装：
从上一步可以确定Pytorch 1.1.0对应的 Python 版本，此处选择Python 3.6，因此先用 conda 创建Python 3.6环境，然后再安装 Pytorch 1.1.0
3.1 conda 创建 Python 3.6环境：
conda create -n py36 python=3.6
3.2 conda 安装 Pytorch 1.1.0：
conda create py36
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch
4. 安装完成的测试：
首选利用 pip list 查看安装的 Package，结果如下图所示：
之后再确认一下Pytorch和GPU是否可用：
用import torch 和 torch.cuda.is_available() 进行确认，结果如下：
