产品能力：高级版支持跨节点应用调度和迁移，具体请查看下图所示。价格不同：具体请参考“计费详情”。

IoT边缘服务和华为公有云的设备接入服务协同提供统一的设备管理。当边缘节点与公有云网络异常时，边缘本地控制台提供设备状态和数据查询、设备属性配置等能力。

IoT边缘提供设备标识代理模式、设备标识转发模式两种设备接入方式。设备标识代理模式：设备作为边缘节点子设备接入“设备接入云服务”；设备标识转发模式：设备作为独立设备，或者网关子设备接入“设备接入云服务”。

IoT边缘提供设备标识代理模式、设备标识转发模式两种设备接入方式。设备标识代理模式：设备作为边缘节点子设备接入“设备接入云服务”；设备标识转发模式：设备作为独立设备，或者网关子设备接入“设备接入云服务”。

在线安装边缘节点时，在边缘服务器上以root用户执行，报错了，请帮忙看下什么原因？root@ubuntu:/opt/user# cd /tmp && wget "https://ioe-installer.obs.cn-north-4.myhwclouds.com:443/edgeRuntime-0.3.31-x86/1590546778400/edgeRuntime-0.3.31-x86_64.tar.gz?AccessKeyId=OFQTHJFMGMVLXAFPABBO&Expires=1591329595&Signature=0q8z%2BqqsVzVjJzjQElk%2BbBsUWVA%3D" -O edgeRuntime_signed.tar.gz && tar -zxf edgeRuntime_signed.tar.gz && echo "-----BEGIN PUBLIC KEY-----> MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEAss1wlVOptEpKHFxn64b/> UuIioiVgU0NcyW9vVzFFrNleN3dW6zoQ3BDDIkcGK5kq8/2YTNfh4FoUspDDiOue> EYrt/cv94iTRtSr0u/NqWJmh2i3nZO6gQynOgee0+rki36G1hbRK2NtL3ixGAcq+> DWD6pCG0kE8E/PilIm6NdCKrS3D6TpbbSQeNOz6PY4QojBRHngj+ATjgk57xNGj4> 1JGTibzBKx1m0vBRNIulXRahlAbs5XDytDzseySYpa8sTOMc3wTIC72vVXd155DP> XpMtve5tk+UDkuWZQEUsPBUvkSzrKP3NDFkO7p1jhiC2DCndu6DcZX+8d07uaTWN> WwIDAQAB> -----END PUBLIC KEY-----" > edge_installer_pub.pem && openssl dgst -sha256 -verify edge_installer_pub.pem -signature edgeRuntime.tar.gz.sig edgeRuntime.tar.gz && tar -zxf edgeRuntime.tar.gz && sh install.sh 121.36.11.211 8943 466236857991311360 sys_edge_daemon iPdrFPH3XVPXVzfMgYPhipT_yvNyJ8tUS65DhdiDY9s= 08b270cae300f4712f22c01487c93a4c && cd ---2020-06-05 11:00:58--  https://ioe-installer.obs.cn-north-4.myhwclouds.com/edgeRuntime-0.3.31-x86/1590546778400/edgeRuntime-0.3.31-x86_64.tar.gz?AccessKeyId=OFQTHJFMGMVLXAFPABBO&Expires=1591329595&Signature=0q8z%2BqqsVzVjJzjQElk%2BbBsUWVA%3DResolving ioe-installer.obs.cn-north-4.myhwclouds.com (ioe-installer.obs.cn-north-4.myhwclouds.com)... 49.4.112.2, 49.4.112.93, 49.4.112.92, ...Connecting to ioe-installer.obs.cn-north-4.myhwclouds.com (ioe-installer.obs.cn-north-4.myhwclouds.com)|49.4.112.2|:443... connected.HTTP request sent, awaiting response... 200 OKLength: 22810285 (22M) [application/gzip]Saving to: ‘edgeRuntime_signed.tar.gz’edgeRuntime_signed.tar.gz               100%[============================================================================>]  21.75M  1.79MB/s    in 14s2020-06-05 11:01:13 (1.61 MB/s) - ‘edgeRuntime_signed.tar.gz’ saved [22810285/22810285]Verified OK2020-06-05T11:02:08 | INFO | Current Work dir is /tmp.2020-06-05T11:02:08 | INFO | Log written to /tmp/installer.log.2020-06-05T11:02:08 | INFO | Start to install edgeDaemon.2020-06-05T11:02:08 | INFO |2020-06-05T11:02:08 | INFO | (1/5) check docker version2020-06-05T11:02:20 | INFO | got docker Server Version: 18.09.72020-06-05T11:02:21 | INFO | (1/5) check docker version success2020-06-05T11:02:22 | INFO |2020-06-05T11:02:22 | INFO | (2/5) check cpu info2020-06-05T11:02:22 | INFO | cpu num is 12020-06-05T11:02:22 | INFO | (2/5) check cpu success2020-06-05T11:02:23 | INFO |2020-06-05T11:02:23 | INFO | (3/5) check memory info2020-06-05T11:02:23 | INFO | MemTotal: 1023180 kB2020-06-05T11:02:23 | INFO | (3/5) check memory success2020-06-05T11:02:24 | INFO |2020-06-05T11:02:24 | INFO | (4/5) check glibc info2020-06-05T11:02:24 | INFO | glibc 2.232020-06-05T11:02:24 | INFO | (4/5) check glibc success2020-06-05T11:02:25 | INFO |2020-06-05T11:02:25 | INFO | (5/5) start install daemon2020-06-05T11:02:57 | INFO | add daemon to systemd.Created symlink from /etc/systemd/system/edgedaemon.service to /lib/systemd/system/edgedaemon.service.Created symlink from /etc/systemd/system/multi-user.target.wants/edgedaemon.service to /lib/systemd/system/edgedaemon.service.2020-06-05T11:03:08 | INFO | (5/5) install daemon success2020-06-05T11:03:22 | INFO | run edgeInstaller.../opt/IoTEdge-Installer/edgeInstaller: 2: /opt/IoTEdge-Installer/edgeInstaller: Syntax error: "(" unexpected/opt/IoTEdge-Installer/edgeInstaller: 1: /opt/IoTEdge-Installer/edgeInstaller:ELF: not found

欢迎小伙伴们体验《使用ModelArts实现花卉图像分类》实验，有任何问题都可以在这里讨论交流哦！ 通过本实验：§   您将学习以花卉图像分类应用为例，快速熟悉使用ModelArts预置算法构建模型的过程。ModelArts是面向AI开发者的一站式开发平台，以“让AI开发变得更简单、更方便”为理念，面向不同经验的AI开发者，提供海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云模型按需部署能力，帮助您快速创建和部署模型，管理全周期AI工作流。 §   您将体验针对预置的花卉图像数据集，对已有图像数据进行标注，然后使用预置的“ResNet_v1_50”算法对数据进行训练，得到一个可用的模型，最后将此模型部署为在线服务，并最终建立在线预测作业。§   您将掌握1.     使用华为云ModelArts一站式AI开发平台2.     使用ModelArts预置算法构建AI模型 实验开始前，推荐您先学习相关课程，掌握实验背景知识：1.      ModelArts：一站式AI开发平台2.      实战篇：不用写代码也可以自建AI模型 实验完成后，欢迎学习相关领域微认证，认证您的AI技能：微认证：ModelArts实现智能花卉识别 实验过程中，如有任何问题可在该帖进行交流，也可以添加华为云学院小助手（微信号：HWcloudedu），专业人员为您实时解疑答惑，互相交流，共同进步！如要提出问题，请详细描述您的问题及出现的步骤，附上实验操作截图，如有其他参考信息可一并附上。