2-3 安裝 Jetson 組件環境
學習目標
本章節旨在幫助讀者快速掌握 NVIDIA JetPack 6.2 的安裝與配置流程，確保 Jetson 平台具備完整的 AI 開發環境。透過以下內容，讀者將能夠：
1. 理解 JetPack SDK 的組成與功能，包括 : CUDA、cuDNN、TensorRT 等核心元件。
2. 熟悉在 Pandora 主機上安裝 JetPack 及其相依套件的完整步驟。
3. 掌握驗證安裝結果與配置 Python 開發環境的方法。
4. 學會診斷與解決常見安裝問題（如 : 版本相容性、空間不足）。
5. 為後續 AI 應用開發（如 : 機器視覺、邊緣推論）搭建穩定的軟體基礎。
本文件提供實務導向的操作指引，適合初學者與進階開發者快速搭建 Jetson 開發環境。
JetPack 安裝教學（含 CUDA、cuDNN、TensorRT 等）
NVIDIA JetPack 提供完整的軟體開發套件（SDK），整合 CUDA、cuDNN、TensorRT 等核心元件，支援 AI、深度學習與機器學習應用。
安裝需求
1. 系統基礎：已完成 Pandora 主機的系統燒錄（JetPack 6.2 或相容版本）。
2. 網路連線：已連接 Wi-Fi 或 Ethernet，確保穩定網路。
3. 儲存空間：系統磁碟（NVMe SSD）剩餘空間至少 20GB（建議使用 128GB 或更大容量 SSD）。
4. 主機環境：Pandora 主機搭載 Jetson Orin Nano（4GB/8GB）或 Orin NX（8GB/16GB）。
安裝步驟說明
Step 1：確認網路與更新套件
1. 確保 Pandora 主機已連線至網路（透過 Wi-Fi 或 Ethernet）。
2. 開啟終端機，執行系統更新：
Step 2：安裝 JetPack 套件（包含 CUDA / cuDNN / TensorRT）
JetPack 以 meta-package 形式整合所有核心開發工具，執行以下指令一次安裝：
sudo apt-get install nvidia-jetpack -y
內容包括：
1. CUDA Toolkit
2. cuDNN
3. TensorRT
4. OpenCV
5. Multimedia API, etc.
預計安裝時間：約 10~30 分鐘，視網路速度與硬碟效能而定。
Step 3：驗證安裝狀態
1. 驗證 CUDA Tookit 是否安裝：
dpkg -l | grep cuda
2. 驗證 cuDNN 是否安裝：
dpkg -l | grep libcudnn
3. 驗證 TensorRT 是否安裝：
dpkg -l | grep tensorrt
4. 驗證 OpenCV 是否安裝：
python3 -c"import cv2; print(cv2.__version__)"
若任一元件未正確顯示，檢查網路連線或重新執行 Step 2。
Step 4（可選）：安裝 v4l-utils （V4L2 相機工具）
v4l-utils 提供 Linux V4L2（Video4Linux2）相機/影像裝置的常用工具，可用於：
- 列出系統偵測到的相機裝置（例如 : /dev/video0 )
- 查詢裝置支援的解析度、格式（MJPEG / YUYV 等）、FPS
- 快速排除相機無畫面或格式不相容問題
安裝指令：
sudo apt-get install -y v4l-utils
常用指令（快速檢查）：
v4l2-ctl --list-devices
v4l2-ctl -d /dev/video0 --all
v4l2-ctl -d /dev/video0 --list-formats-ext
⚠️ 注意事項
1. 儲存空間 : 安裝前確認 NVMe SSD 剩餘空間至少 20GB，建議使用 128GB 或更大容量 SSD。
2. 網路穩定性 : JetPack 安裝需下載大量套件，確保網路連線穩定，避免中斷。
3. 安裝時間 : nvidia-jetpack 安裝過程可能需 10~30 分鐘，視網路與硬碟速度而定。
4. 版本相容問題 : 可參考 NVIDIA 官方文檔與 JetPack SDK Compatibility