编译TensorFlow GPU源码可能会遇到许多问题，以下是一些常见的解决方法。

1. 确保安装了正确版本的CUDA和cuDNN，并将它们添加到系统环境变量中。TensorFlow 1.15 GPU需要CUDA 10.0和cuDNN 7.6.5。

2. 确保已安装Bazel构建工具。TensorFlow使用Bazel进行构建。可以从Bazel的官方网站上下载和安装合适的版本。

3. 确保系统上已安装了所有必需的依赖项，如Python、Numpy、Pip等。可以使用以下命令安装TensorFlow所需的依赖项：

pip install numpy wheel six

4. 确保已在Python虚拟环境中安装了TensorFlow的所有依赖项。可以使用以下命令创建和激活虚拟环境，并安装TensorFlow的依赖项：

python -m venv myenv
source myenv/bin/activate
pip install numpy wheel six

5. 检查TensorFlow GPU源码中的配置文件是否正确。可以尝试执行以下命令以生成编译TensorFlow所需的配置文件：

./configure

根据系统的不同，配置过程可能会要求提供一些信息，如Python可执行文件的路径和CUDA安装路径等。确保提供正确的路径。

6. 在编译TensorFlow之前，尝试先清除之前的构建文件。可以使用以下命令清理构建文件：

bazel clean

7. 在编译TensorFlow之前，尝试更新Bazel的版本。可以使用以下命令更新Bazel：

bazelisk --version

8. 确保编译TensorFlow的过程中有足够的系统资源。TensorFlow GPU的编译过程需要大量的内存和计算资源。尝试增加系统的内存或分配更多的GPU内存给TensorFlow。

这些是一些常见的解决方法，但具体解决方法可能因个人环境和配置而有所不同。如果问题仍然存在，建议查看TensorFlow官方文档和开发者社区，以获取更多帮助和支持。