不得不说现在部署tf开发环境比以前容易太多了。
安装cuda key
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
添加库源
sudo bash -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64 /" > /etc/apt/sources.list.d/cuda.list'
更新一下
sudo apt-get update
查询cuda版本，成功的话如下图所是。
apt-cache madison cuda
安装cuda
sudo apt-get install cuda=10.0.130-1
安装cudnn，这个文件是在nvdia的网站下载的，注意不要下载错了。
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.0_amd64.deb
安装Anaconda3
bash Anaconda3-2020.02-Linux-x86_64.sh
重启电脑，此时如果运行nvidia-smi查看驱动信息，CUDA可能会显示10.2，但实际上安装的还是10.0，无需担心。
安装 tf1.15.2
pip install tensorflow_gpu-1.15.2-cp37-cp37m-manylinux2010_x86_64.whl
结束后输入python，运行以下tf，输出true即可
import tensorflow as tf
print(tf.test.is_gpu_available())
此时建议从ubuntu的软件更新里删除nvidia的安装源，防止不小心更新了CUDA的版本，这样tf 1.15就不能使用了。
