进入ubuntu终端输入：
uname -a确认系统为ubuntu系统版本为18.04
使用下面一条命令查看电脑硬件设备型号（查看显卡型号）
lspci确认无误后完成以下操作
首先下载cuda10.1安装包 下载完成后进入下载目录，右键–>在终端中打开，输入以下命令：
sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-10.1.105-418.39_1.0-1/7fa2af80.pub sudo apt-get update sudo apt-get install cuda（若执行第二条命令报错，直接复制第一条命令执行完后提示的命令执行即可）
安装完CUDA后需要配置cuda的环境变量： 若没有安装vim，依次执行以下命令：(中途提示输入y/n,直接回车)
sudo apt-get update sudo apt-get upgrade sudo apt-get install vim安装完vim后，终端输入：
sudo vim ~/.bashrc按i进入编辑模式，按方向键移动光标，移动光标至最后，输入以下内容：
export PATH="/usr.local/cuda-10.1/bin:$PATH"确认无误后，按ESC退出编辑模式，接着按冒号，输入x 回车，即可保存退出！ 保存退出后，执行
source ~/.bashrc使得配置文件生效!
终端输入：
nvcc -V弹出cuda版本，即安装成功！
下载Anaconda安装包 终端进入安装目录，执行下面一条命令给安装包可执行权限：
chmod +x [ananconda安装包名]执行命令
ls看到Anaconda安装包名变为绿色后，执行如下命令：
./[Anaconda安装包名]执行完上面命令后会出现安装Anaconda的一些提示信息，依次按【回车】、【q】，【yes】，【回车】，【yes】完成安装！
重新打开一个终端，依次输入如下命令：
which python which ipython which pip确认三者在同一路径下！
CUDNN是深度学习GPU加速库，使用Tensorflow和Pytorch等深度学习框架的GPU版本都要正确配置此库！ 首先下载CUDNN 需要注意的是，如果在ubuntu环境中下载此文件则为.tgz文件，若在Windows环境下载则文件后缀被改为.solitairetheme8，此时大家不必惊慌，也千万不要改文件后缀，让它下载完成，然后复制到ubuntu环境中，进入终端并切换到这个文件所在目录依次执行下面命令：
mv cudnn-10.1-linux.solitairetheme8 cudnn-10.1-linux.tgz gunzip cudnn-10.1-linux.tgz至此，cudnn已经被我们解压出来了，解压出来的文件夹名为cuda，我们可以手动将其重命名为cudnn，并将重命名后的cudnn文件夹复制到/usr/local这个路径下。 然后，我们将cudnn路径添加到环境变量 执行以下命令：
vim ~/.bashrc按i进入编辑模式，按方向键移动光标，移动光标至最后，输入以下内容：
export LD_LIBRARY_PATH = "/usr/local/cudnn/lib64:$LLD_LIBRARY_PATH"确认无误后，按ESC退出编辑模式，接着按冒号，输入x 回车，即可保存退出！ 保存退出后，执行
source ~/.bashrc使得配置文件生效!
正确完成以上步骤后，我们进行Tensorflow2.2.0的安装 执行：
pip install tensorflow-gpu==2.2.0安装Tensorflow，如果下载速度过慢，可以使用下面一条命令，速度会有很大的提升！
pip install tensorflow-gpu==2.2.0 -i https://pypi.douban.com/smiple/至此，CUDA10.1+CUDNN7.6.5+Tensorflow2.2.0+Anaconda已全部安装完成，接下来就可以尽情使用啦！！！
