doc/init quick start (#138)

docs/quick_start_cn.md

+# Quick start
+VisualDL 是一个面向深度学习任务的可视化工具，可用于训练和生成任务里相关信息的展示。
+目前，VisualDL支持如下信息的可视化：
+
+- scalar，趋势图，可用于训练测试误差的展示
+- image, 图片的可视化，可用于卷积层或者其他参数的图形化展示
+- histogram, 用于参数分布及变化趋势的展示
+- graph，用于训练模型结构的可视化
+
+VisualDL提供原生的Python和C++ SDK，可以支持多种深度学习平台。用户可以在特定深度学习平台上利用Python SDK进行简单配置来支持可视化，也可以利用 C++ SDK深入嵌入到平台底层。
+
+## 一个简单的Scalar的Python使用示例
+为了简单，我们先尝试使用Python SDK。 
+
+使用VisualDL的第一步是创建一个 `LogWriter` 来存储用于可视化的数据
+
+```python
+from VisualDL import LogWriter
+from random import random
+
+logw = LogWriter("./random_log", sync_cycle=30)
+```
+
+其中， 第一个参数指定存储数据的目录；第二个参数 `sync_cycle` 指定多少次写操作执行一次内存到磁盘的数据持久化。
+
+模型训练会有不同的模式，比如训练、验证、测试等，这些对应到 VisualDL中就是 `mode`，可以用如下方式指定一个训练模式
+
+```python
+with logw.mode("train") as logger:
+    pass
+```
+
+接着是创建一个 `Scalar` 组件，每个组件需要一个tag，tag可以是任何长度的字符串，比如 `layer/classification/error`。
+
+```
+# create scalars in mode train and test.
+with logw.mode('train') as logger:
+    scalar0 = logger.scalar("scratch/scalar")
+
+with logw.mode('test') as logger:
+    scalar1 = logger.scalar("scratch/scalar")
+
+# add scalar records.
+for step in range(200):
+    scalar0.add_record(step, step * 1. / 200)
+    scalar1.add_record(step, 1. - step * 1. / 200)
+```
+
+上述例子生成了一段随机日志，接下来可以打开board页面：
+
+```
+visualDL --logdir ./random_log --port 8080
+```
+
+之后用浏览器打开地址 `http://0.0.0.0:8080`，就可以看到scalar下的可视化结果
+
+<p align="center">
+<img src="./images/scratch_scalar.png"/>
+</p>
+
+## scalar的C++ 示例
+VisualDL 的 C++ SDK 与 Python 的基本一致，上面Python示例对应的C++代码如下
+
+```c++
+  const auto dir = "./randomlog";
+  LogWriter logwriter(dir, 30);
+  auto logger = logwriter.AsMode("train");
+
+  components::Scalar<float> scalar0(writer.AddTablet("scalar0"));
+  components::Scalar<float> scalar1(writer.AddTablet("scalar1"));
+
+  for (int step = 0; step < 200; step++) {
+    scalar0.AddRecord(step, step * 1. / 200);
+    scalar1.AddRecord(step, 1. - step * 1. / 200);
+  }
+```
+
+## 基于 ONNX 的模型结构可视化
+VisualDL 支持开源的 [ONNX](https://github.com/onnx/onnx)模型结构的可视化，目前ONNX支持包括 `pytorch`, `Caffe2`, `Caffe`, `MxNet` 在内的多种深度学习平台的模型结构的转化。
+
+```
+visualDL --logdir somedir --model_pb <path_to_model>
+```
+
+比如mnist，会得到如下graph
+
+IMG