diff --git a/README.md b/README.md
index 324f256e282c8adb0ff7ce1f516a7a9a4de30619..723e97b5ec0bfa356af6e15a55933717a5f97156 100644
--- a/README.md
+++ b/README.md
@@ -1,126 +1,218 @@
+
- 
+ 
-[](https://travis-ci.org/PaddlePaddle/VisualDL)
-[](https://github.com/PaddlePaddle/VisualDL/tree/develop/docs)
-[](https://github.com/PaddlePaddle/VisualDL/releases)
-[](LICENSE)
+
## 介绍
-VisualDL是一个面向深度学习任务设计的可视化工具，利用丰富的图表展示数据，用户可以更直观、清晰地查看数据的特征与变化趋势，有助于分析数据、及时发现错误，进而改进神经网络模型的设计。
+VisualDL是深度学习模型可视化分析工具，以丰富的图表呈现训练参数变化趋势、模型结构、数据样本、高维数据分布等。可帮助用户更清晰直观地理解深度学习模型训练过程及模型结构，进而实现高效的模型优化。
-目前，VisualDL支持Scalar, Image, High Dimensional, Graph 这四个组件，项目正处于高速迭代中，新的组件会不断加入。
+VisualDL提供丰富的可视化功能，支持实时训练参数分析、图结构、数据样本可视化及高维数据降维呈现等诸多功能。具体功能使用方式，请参见 [**VisualDL使用指南**](https://github.com/PaddlePaddle/VisualDL/tree/develop/docs/components/README.md)。项目正处于高速迭代中，敬请期待新组件的加入。
-由于大多数DNN平台均使用Python作为配置语言，VisualDL原生支持python的使用，
-通过在模型的Python配置中添加几行，便可以为训练过程提供丰富的可视化支持。
+VisualDL原生支持python的使用， 通过在模型的Python配置中添加几行代码，便可为训练过程提供丰富的可视化支持。
+## 目录
-## 组件
-VisualDL 目前支持以下组件：
+* [核心亮点](#核心亮点)
-- scalar
-- image
-- high dimensional
-- graph
+* [安装方式](#安装方式)
-### Scalar
-可以用于展示训练测试的指标变化趋势
+* [使用方式](#使用方式)
-
-
-
+* [可视化功能概览](#可视化功能概览)
+* [开源贡献](#开源贡献)
-### Image
-可以用于可视化任何图片，包括模型训练和预测得到的结果
+* [更多细节](#更多细节)
-
-
-
-### High Dimensional
-可以用于将高维度数据映射到2D/3D可实现可视化
+## 核心亮点
-
-
-
+### 简单易用
-## 安装
-### 使用 Anaconda 安装
+API设计简洁易懂，使用简单。模型结构一键实现可视化。
-Anaconda是一个用于科学计算的Python发行版，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。
+### 功能丰富
-请根据[Anaconda下载网站](https://www.anaconda.com/download) 的指示去下载和安装Anaconda.
-下载Python 3.6版本的command-Line installer.
+功能覆盖训练参数、图结构、数据样本及数据降维可视化。
+
+### 高兼容性
+
+全面支持Paddle、ONNX、Caffe等市面主流模型结构可视化，广泛支持各类用户进行可视化分析。
+
+### 全面支持
+
+与飞桨服务平台及工具组件全面打通，为您在飞桨生态系统中提供最佳使用体验。
-创建conda环境名字为```vdl```或任何名字:
-```
-conda create -n vdl python=3.7
-```
-激活conda环境如下:
-```
-source activate vdl
-```
-现在再安装 VisualDL 和运行范例：
+## 安装方式
+
+使用pip安装 VisualDL 运行范例：
```shell
-pip install --upgrade visualdl
+pip install --upgrade visualdl==2.0.0a2
```
-也可以使用源代码安装方式，能够获取最新的VisualDL更新。
-### 使用代码安装
-建议在anaconda环境下进行安装。
-```shell
-git clone https://github.com/PaddlePaddle/VisualDL.git
-cd VisualDL
+## 使用方式
+
+VisualDL将训练过程中的数据、参数等信息储存至日志文件中后，启动面板即可查看可视化结果。
+
+### 1. 记录日志
+
+VisualDL的后端提供了Python SDK，可通过LogWriter定制一个日志记录器，接口如下：
-python setup.py bdist_wheel
-pip install --upgrade dist/visualdl-*.whl
+```python
+class LogWriter(
+ logdir=None,
+ comment='',
+ max_queue=10,
+ flush_secs=120,
+ filename_suffix='',
+ write_to_disk=True,
+ **kwargs
+ )
```
-## SDK
-以最简单的Scalar组件为例，尝试创建一个日志记录多个scalar的数据步骤如下：
+#### 接口参数
+
+| 参数 | 格式 | 含义 |
+| --------------- | ------- | ------------------------------------------------------------ |
+| logdir | string | 日志文件所在的路径，VisualDL将在此路径下建立日志文件并进行记录，如果不填则默认为`runs/${CURRENT_TIME}` |
+| comment | string | 为日志文件夹名添加后缀，如果制定了logdir则此项无效 |
+| max_queue | int | 日志记录消息队列的最大容量，达到此容量则立即写入到日志文件 |
+| flush_secs | int | 日志记录消息队列的最大缓存时间，达到此时间则立即写入到日志文件 |
+| filename_suffix | string | 为默认的日志文件名添加后缀 |
+| write_to_disk | boolean | 是否写入到磁盘 |
+
+#### 示例
+
+设置日志文件并记录标量数据：
```python
from visualdl import LogWriter
-with LogWriter(logdir="./tmp") as writer:
- for step in range(100):
- writer.add_scalar(step=step, value=step*2)
+# 在`./log/scalar_test/train`路径下建立日志文件
+with LogWriter(logdir="./log/scalar_test/train") as writer:
+ # 使用scalar组件记录一个标量数据
+ writer.add_scalar(tag="acc", step=1, value=0.5678)
+ writer.add_scalar(tag="acc", step=2, value=0.6878)
+ writer.add_scalar(tag="acc", step=3, value=0.9878)
```
+### 2. 启动面板
-## 启动VisualDL服务
+在上述示例中，日志已记录三组标量数据，现可启动VisualDL面板查看日志的可视化结果，共有两种启动方式：
-当训练过程中已经产生了日志数据，就可以启动VisualDL服务进行实时预览可视化信息。
+#### 在命令行启动
-### 在命令行中启动
+使用命令行启动VisualDL面板，命令格式如下：
+```python
+visualdl --logdir --host --port
```
-visualdl --logdir
+
+参数详情：
+
+| 参数 | 意义 |
+| -------- | ------------------------------------------------------------ |
+| --logdir | 设定日志所在目录，可以指定多个目录，VisualDL将遍历并且迭代寻找指定目录的子目录，将所有实验结果进行可视化 |
+| --host | 设定IP，默认为`127.0.0.1` |
+| --port | 设定端口，默认为`8040` |
+
+针对上一步生成的日志，启动命令为：
+
+```
+visualdl --logdir ./log
```
-board 还支持一些参数来实现远程的访问：
+#### 在Python脚本中启动
+
+支持在Python脚本中启动VisualDL面板，接口如下：
-- `--host` 设定IP
-- `--port` 设定端口
-### 在Python脚本中启动
```python
->>> from visualdl.server import app
+visualdl.server.app.run(logdir,
+ host="127.0.0.1",
+ port=8080,
+ cache_timeout=20,
+ language=None,
+ open_browser=False)
+```
+
+接口参数：
+
+| 参数 | 格式 | 含义 |
+| ------------- | ------------------------------------------------ | ------------------------------------------------------------ |
+| logdir | string或list[string_1, string_2, ... , string_n] | 日志文件所在的路径，VisualDL将在此路径下递归搜索日志文件并进行可视化，可指定单个或多个路径 |
+| host | string | 指定启动服务的ip，默认为`127.0.0.1` |
+| port | int | 启动服务端口，默认为`8040` |
+| cache_timeout | int | 后端缓存时间，在缓存时间内前端多次请求同一url，返回的数据从缓存中获取，默认为20秒 |
+| language | string | VisualDL面板语言，可指定为'EN'或'CN'，默认自动匹配操作系统使用语言 |
+| open_browser | boolean | 是否打开浏览器，设置为True则在启动后自动打开浏览器并访问VisualDL面板 |
->>> app.run(logdir="SOME_LOG_DIR")
+针对上一步生成的日志，我们的启动脚本为：
+
+```python
+from visualdl.server import app
+
+app.run(logdir="./log")
```
-`app.run()`支持命令行启动的所有参数，除此之外，还可以通过指定`open_browser=True`，自动打开浏览器。
-## 贡献
-VisualDL 是由 [PaddlePaddle](http://www.paddlepaddle.org/) 和 [ECharts](http://echarts.baidu.com/) 合作推出的开源项目。我们欢迎所有人使用，提意见以及贡献代码。
+在使用任意一种方式启动VisualDL面板后，打开浏览器访问VisualDL面板，即可查看日志的可视化结果，如图：
+
+
+ 
+
+
+
+
+## 可视化功能概览
+
+### Scalar
+以图表形式实时展示训练过程参数，如loss、accuracy。让用户通过观察单组或多组训练参数变化，了解训练过程，加速模型调优。具有两大特点：
+
+#### 动态展示
+
+在启动VisualDL Board后，LogReader将不断增量的读取日志中数据并供前端调用展示，因此能够在训练中同步观测指标变化，如下图：
+
+
+ 
+
+
+
+#### 多实验对比
+
+只需在启动VisualDL Board的时将每个实验日志所在路径同时传入即可，每个实验中相同tag的指标将绘制在一张图中同步呈现，如下图：
+
+
+ 
+
+
+
+### Image
+实时展示训练过程中的图像数据，用于观察不同训练阶段的图像变化，进而深入了解训练过程及效果。
+
+
+
+
+
+
+### High Dimensional
+
+将高维数据进行降维展示，目前支持T-SNE、PCA两种降维方式，用于深入分析高维数据间的关系，方便用户根据数据特征进行算法优化。
+
+
+
+
+
+## 开源贡献
+
+VisualDL 是由 [PaddlePaddle](http://www.paddlepaddle.org/) 和 [ECharts](http://echarts.baidu.com/) 合作推出的开源项目。欢迎所有人使用，提意见以及贡献代码。
## 更多细节
-想了解更多关于VisualDL的使用介绍，请查看[文档](./docs/README.md)
+想了解更多关于VisualDL可视化功能的使用详情介绍，请查看[**VisualDL使用指南**](https://github.com/PaddlePaddle/VisualDL/tree/develop/docs/components/README.md)。