安装记录：Nvidia Driver + CUDA + cuDNN + Anaconda + Tensorflow GPU + PyCharm。至今摸索出的最快捷的方法。
配置：
- AMD Ryzen 1920X
- GeForce RTX 2070
- Ubuntu 18.04.2 LTS
安装NVIDIA Driver
首先把其他的旧的NVIDIA Driver移除，重启：
sudo apt-get update
sudo apt-get purge nvidia*
sudo reboot
添加显卡驱动ppa，自动安装系统推荐的驱动，重启：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo ubuntu-drivers autoinstall
sudo reboot
也可以通过sudo ubuntu-drivers devices查看可安装的驱动，用命令安装指定的驱动，如sudo apt install nvidia-390手动安装nvidia-390。
查看是否安装成功：
nvidia-smi
安装Anaconda + CUDA + cuDNN + Tensorflow GPU
下载Anaconda 5.2，下载后放在/usr/opt/供所有用户使用，安装sh文件。安装好后创建一个新的virtual environment，用python3.6做解释器（避坑：python3.7暂时不支持tensorflow-gpu）。
conda create -n tf-gpu python=3.6
conda activate tf-gpu
注意版本，安装可以相互兼容的CUDA、cuDNN、Tensorflow GPU：
conda install \
tensorflow-gpu==1.12 \
cudatoolkit==9.0 \
cudnn=7.1.2 \
h5py
安装PyCharm
官网下载PyCharm，新建Project，Interpreter选择Anaconda的tf-gpu环境，用以下代码测试一下是否安装成功：
import tensorflow as tf
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
with tf.Session() as sess:
print(sess.run(c))
如果成功安装，可以看到输出结果：
tf version = 1.12.0
[[22. 28.]
[49. 64.]]
到这里工作站就搞好啦。Have Fun！
参考资料
No Bullshit Guide on Installing Tensorflow GPU (Ubuntu 18.04/18.10)