先說結果，我沒安裝成功NVIDIA的最新驅動，因爲我的BIOS上沒有切換顯卡的設置。
但是我覺得有幾個需要說的提醒在這裏總結一下！
1、如果你之前在windows上沒有裝過NVIDIA驅動或CUDA，可以通過這個網站看你的 顯卡是否支持CUDA ？
2、如果你的深度顯卡驅動管理器中沒有NV-Prime方案（如 deepin 15.11這個最新版本就刪掉了這個方案），那你可以繼續往下看。
3、先看看你的BIOS上支不支持切換顯卡驅動，不支持的話，安裝獨顯驅動很可能是無功而返！
4、如果你已經成功的使用上了大黃蜂方案，而且你要求的一些環境不高的話（比如你不用tensorflow2.0，tf2.0要求CUDA10.0，即驅動版本>=410.48），裝個CUDA8、CUDA9還是可以的。deepin的驅動更新慢已經是常態了，不知道後續深度會不會更新（更新了的話，評論區提醒我一聲兒唄）。下表是NVIDIA驅動和CUDA兼容表。
一、大黃蜂方案下的cuda + cudnn + tensorflow-gpu版本安裝
通過nvidia-smi，我們可以查看顯卡信息，以確認我們的驅動是否正確安裝了，在終端內輸入：
optirun nvidia-smi
顯卡信息可以看到你的驅動版本，從而選擇適合的CUDA和CuDNN版本。
若是顯卡驅動安裝正確，運行上面的命令，你會看到相似於下面的輸出，驅動版本是390.87：
大黃蜂方案的顯卡驅動是由bumblebee進行管理的。爲了下降能耗，平時獨顯是處於關閉狀態的，若是有程序須要使用到獨顯，需要經過optirun進行啓動。
關於bumblebee版顯卡驅動在深度學習訓練中的開啓和關閉：
在進行訓練前，在終端輸入sudo tee /proc/acpi/bbswitch <<< ON，可開啓顯卡。
在訓練結束後，在終端輸入sudo tee /proc/acpi/bbswitch <<< OFF，可關閉顯卡。
具體參考：
《deepin-15.5 + 小米筆記本pro 下的深度學習環境cuda8 +tensorflow-gpu-1.4版本搭建過程》
二、如果你的BIOS支持切換顯卡驅動，請將N卡設爲初始顯卡
那你算是比較幸運的了，雖然沒有NV-Prime方案，但是給了打開了一扇窗。
1、如果你之前使用過大黃蜂方案，需要刪除大黃蜂所安裝的軟件，可以用以下命令：
dpkg -l | grep -i nvidia | awk '{ print $2 }' | cut -d: -f1 | xargs apt-get -y remove --purge
如果報錯——無法打開鎖文件 /var/lib/dpkg/lock - open (13: 權限不夠)，可以sudo -s 輸入一次密碼 進入root模式，再重試。
2、如果你在看到這篇之前，已經下載了不合意的驅動，或是上面刪除大黃蜂所安裝軟件後，
還需要輸入dpkg -l | grep -i nvidia命令來查看是否還有殘餘驅動，如果還有顯示，則輸入下面命令進行卸載：
sudo apt-get --purge remove nvidia*
3、安裝編譯所需的軟件
sudo apt -y install linux-headers-amd64 linux-headers-deepin-amd64 gcc make dkms
剩下的步驟參考：使用其【快捷方法】即可。
深度科技論壇——如何手動安裝NVIDIA驅動軟件
三、下載CUDA和CuDNN
去官網下載適合你的CUDA，注意要和你的驅動適配，如果要安裝tensorflow2.0建議CUDA10.0或10.1。
《下載適合你的CUDA》
《下載適配的CuDNN》
下載好後，
如果有圖形化界面則需要禁用x-window服務
右鍵屬性=>允許作爲可執行程序執行，雙擊終端運行即可。
或者輸入下面的命令（文件名自行調整）
sudo sh cuda_8.0.61_375.26_linux.run
這個時候會有很多提示需要你確認，由於在第一步已經成功安裝了顯卡驅動，所以這裏就不需要再次安裝了，因此 ，Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 3XX.XX ?這裏選擇 no，其餘都是yes或者accept
最後在.bashrc添加環境變量後source .bashrc
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
參考：《linux安裝GPU顯卡驅動、CUDA和cuDNN庫》
四、遇到的一些問題
不知道是筆記本的原因還是因爲deepin系統沒裝好，在我Ctrl+Alt+f1進入tty1文本控制檯時，會有持續不斷的報錯，反覆report，下面的這個report會一直往下輸出循環。如果你也遇到了這個，不要慌，像平常一樣硬着頭皮輸入你的命令，就算是被report分隔都還是可以運行的（如果輸入錯了，可以Ctrl+C重新輸入）
deepin linux not implement report
五、安裝tf2.0並測試
你可以在終端中輸入pip install tensorflow-gpu==2.0.0b1即可，如果覺得下載慢可以更換到國內的阿里雲鏡像源。
完成後，
在終端中打開並輸入python。
>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
如果結果是True，恭喜你安裝成功！
參考：
《deepin-15.5 + 小米筆記本pro 下的深度學習環境cuda8 +tensorflow-gpu-1.4版本搭建過程》
《Ubuntu 卸載nvidia驅動、CUDA Toolkit》
深度科技論壇——如何手動安裝NVIDIA驅動軟件