第一步是安裝anaconda。
下載好anaconda后（下載需要時間，沒下載好之前是.part文件，此時不能進行安裝）
在存放anaconda安裝包的位置打開終端，輸入bash Anaconda3-4.2.0-Linux-x86_64.sh
一路往下執行，安裝結束后打開終端輸入python檢查是否安裝成功
如果沒有安裝成功，則輸入 source ~/.bashrc
(anaconda安裝教程很多，具體細節參考其他博客）
第二步安裝顯卡驅動
首先先安裝git ， sudo apt-get install git即可
接着安裝顯卡驅動 https://linuxconfig.org/how-to-install-the-nvidia-drivers-on-ubuntu-18-04-bionic-beaver-linux
使用鏈接中的方法二或三（這里使用方法二的時候可能出現安裝速度特別慢最后安裝不成功的問題，發現可能需要在大圖標狀態下可以安裝成功，
如果ubuntu安裝好就是小圖標，可以先使用方法三，中間會進入大圖標狀態，再使用方法二，或者直接使用方法三）
另外使用方法二時 如果出現無法獲得鎖 /var/lib/dpkg/lock - open (11 Resource temporarily unavailable)
E: Unable to lock the administration directory (/var/lib/dpkg/), is another process using it?
兩種情況
先看到底有沒開兩個apt 包括新立得
如果確定沒開兩個APT-GET
可以強行解鎖
sudo rm /var/lib/dpkg/lock
驅動安裝成功桌面會變精細
第三步安裝tensorflow-gpu
先打開anaconda-navigator（如果打不開就先安裝nanconda-navigator）,在里邊創建tensorflow-gpu環境（注意選擇python-3.6，這里有一個重要知識點，創建好tensorflow-gpu環境后
anaconda就有了兩個環境，另外一個是base環境,tensorflow-gpu環境下下需要的包都要在此環境下安裝，裝在base環境中是沒用的，所以安裝各種包之前
先source activate tensorflow-gpu，打開jupyter也要在tensorflow-gpu環境下打開）
在anaconda-navigator中創建好tensorflow-gpu環境后，在tensorflow-gpu后的箭頭鼠標左擊打開終端，在終端輸入conda install tensorflow-gpu即可
安裝好 tensorflow-gpu后一定要在anaconda-navigator中的tensorflow-gpu環境中install jupyter-notebook，不然tensorflow-gpu環境中不裝jupyter的話，即便在終端進入tensorflow-gpu環境也打不開jupyter
當然也可以不在anaconda-navigator中創建環境，也可直接在終端創建python-3.6環境，然后安裝
(注：在windows下安裝tensorflow-cpu也是一樣的道理，只不過在命令有些差別，在windows下安裝時實在Anaconda Promt下輸入activate tensorflow-cpu，導入包
的命令是python -m pip install --upgrade pip。其他一樣操作。
還有一個問題
安裝好tensorflow在終端激活環境后進行測試出現import-im6.q16: not authorized `tf' @ error/constitute.c/WriteImage/1037錯誤
原因是激活環境后要先進入python環境，也就是繼續在終端輸入python進入環境后在輸入import tensorflow as tf就行了