2-3 Jetson コンポーネント環境の構築
学習目標
本章では NVIDIA JetPack 6.2 のインストールと設定手順を学び、Jetson プラットフォーム上に AI 開発環境を整備します。完了後、以下ができるようになります。
1. JetPack SDK の構成要素（CUDA / cuDNN / TensorRT など）と役割を理解する。
2. Pandora 上で JetPack と依存パッケージを導入する手順を習得する。
3. インストール結果を検証し、Python 開発環境を整備できる。
4. よくある導入トラブル（互換性、空き容量不足など）を切り分けて解決できる。
5. 後続の AI 開発（マシンビジョン、エッジ推論など）に向けた安定したソフトウェア基盤を構築できる。
本書は、初心者～上級者が短時間で Jetson 開発環境をセットアップできるよう、実務に即した手順をまとめています。
JetPack 導入ガイド（CUDA / cuDNN / TensorRT 含む）
NVIDIA JetPack は、CUDA・cuDNN・TensorRT などの中核コンポーネントを統合した SDK であり、AI／深層学習／機械学習アプリケーションの開発を支援します。
インストール要件
1. システム前提：Pandora へのシステム書き込み（JetPack 6.2 または互換版）が完了していること
2. ネットワーク：Wi-Fi または Ethernet で安定してインターネットに接続できること
3. 空き容量：システムディスク（NVMe SSD）に 20GB 以上の空き（推奨：128GB 以上の SSD）
4. 対象機種：Jetson Orin Nano（4GB/8GB）または Orin NX（8GB/16GB）搭載の Pandora
インストール手順
Step 1：ネットワーク確認とパッケージ情報更新
1. Pandora がインターネットに接続されていること（Wi-Fi / Ethernet）を確認します。
2. 端末で以下を実行します。
Step 2：JetPack パッケージをインストール（CUDA / cuDNN / TensorRT）
JetPack はメタパッケージとして提供され、主要開発ツールをまとめて導入できます。以下を実行します。
sudo apt-get install nvidia-jetpack -y
一般的に以下が含まれます。
1. CUDA Toolkit
2. cuDNN
3. TensorRT
4. OpenCV
5. Multimedia API など
所要時間目安：約 10～30 分（回線速度・ストレージ性能に依存）
Step 3：インストール状態の確認
1. CUDA 関連パッケージの確認：
dpkg -l | grep cuda
2. cuDNN 関連パッケージの確認：
dpkg -l | grep libcudnn
3. TensorRT 関連パッケージの確認：
dpkg -l | grep tensorrt
4. Python から OpenCV の確認：
python3 -c"import cv2; print(cv2.__version__)"
いずれかが表示されない場合は、ネットワーク状況を確認のうえ Step 2 を再実行してください。
Step 4（任意）：v4l-utils のインストール（V4L2 カメラ用ツール）
v4l-utils は Linux の V4L2（Video4Linux2）対応カメラ／映像デバイスを確認するためのツール群です。主に以下に利用します：
- 認識されているカメラデバイス（例：
/dev/video0）の一覧表示 - 対応フォーマット／解像度／FPS（MJPEG/YUYV など）の確認
- 映像が出ない・フォーマット不一致などの切り分け
インストール：
sudo apt-get install -y v4l-utils
簡易チェック：
v4l2-ctl --list-devices
v4l2-ctl -d /dev/video0 --all
v4l2-ctl -d /dev/video0 --list-formats-ext
⚠️ 注意事項
1. 空き容量：導入前に NVMe SSD の空きを 20GB 以上確保してください（推奨：128GB 以上）。
2. ネットワーク安定性：JetPack は大量のパッケージを取得します。通信断を避けるため、安定した回線を使用してください。
3. 導入時間：nvidia-jetpack のインストールは回線・ストレージにより 10～30 分程度かかる場合があります。
4. 互換性：JetPack と各フレームワークの互換性は NVIDIA の公式情報を参照してください。