Update README.md

docs/components/README.md

-## 介绍
-VisualDL拥有不同种类的组件，能够帮助开发者有效记录和监测训练中的各种指标和数据，为模型训练数据参考，及时发现错误，进而改进神经网络模型的设计
 
-使用组件之前必须先使用LogWriter创建一个记录器，如下：
-```python
-from visualdl import LogWriter
 
-with LogWriter(logdir="./log") as writer:
-```
-关于记录器的更多参数配置，请参考[VisualDL说明文档](../README.md)
+# VisualDL 使用指南
+
+### 概述
+
+VisualDL 是一个面向深度学习任务设计的可视化工具。VisualDL 利用了丰富的图表来展示数据，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。
+
+目前，VisualDL 支持 scalar, image, high dimensional 三个组件，项目正处于高速迭代中，敬请期待新组件的加入。
+
+|                           组件名称                           |  展示图表  | 作用                                                         |
+| :----------------------------------------------------------: | :--------: | :----------------------------------------------------------- |
+|      <a href="#1">[ Scalar](#Scalar -- 折线图组件)</a>       |   折线图   | 动态展示损失函数值、准确率等标量数据                         |
+|      <a href="#3">[Image](#Image -- 图片可视化组件)</a>      | 图片可视化 | 显示图片，可显示输入图片和处理后的结果，便于查看中间过程的变化 |
+| <a href="#6">[High Dimensional](#High Dimensional -- 数据降维组件)</a> |  数据降维  | 将高维数据映射到 2D/3D 空间来可视化嵌入，便于观察不同数据的相关性 |
+
+
 
 ## Scalar -- 折线图组件
 
 ### 介绍
 
-Scalar 组件的输入数据类型为标量，该组件的作用是画折线图。将损失函数值、准确率等标量数据作为参数传入 scalar 组件，即可画出折线图，便于观察变化趋势。
+Scalar 组件的输入数据类型为标量，该组件的作用是将训练参数以折线图形式呈现。将损失函数值、准确率等标量数据作为参数传入 scalar 组件，即可画出折线图，便于观察变化趋势。
 
 ### 记录接口
 
@@ -30,7 +37,7 @@ add_scalar(tag, value, step, walltime=None)
 |step|int|记录的步数|
 |walltime|int|记录数据的时间戳，默认为当前时间戳|
 
-### demo
+### Demo
 下面展示了使用 Scalar 组件记录数据的示例，代码见[Scalar组件](../../demo/components/scalar_test.py)
 ```python
 from visualdl import LogWriter
@@ -53,7 +60,57 @@ visualdl --logdir ./log --port 8080
 接着在浏览器打开`http://127.0.0.1:8080`，即可查看以下折线图。
 
 <p align="center">
-  <img src="../images/scalar_test.png" width="90%"/>
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-globalstatic.png" width="100%"/>
+</p>
+
+
+
+### 功能操作说明
+
+* 支持数据卡片「最大化」、「还原」、「坐标系转化」（y轴对数坐标）、「下载」折线图
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-icon.png" width="55%"/>
+</p>
+
+
+
+* 数据点Hover展示详细信息
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-tooltip.png" width="60%"/>
+</p>
+
+
+
+* 可搜索卡片标签，展示目标图像
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-searchlabel.png" width="90%"/>
+</p>
+
+
+
+* 可搜索打点数据标签，展示特定数据
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-searchstream.png" width="40%"/>
+</p>
+
+
+* X轴有三种衡量尺度
+
+1. Step：迭代次数
+2. Walltime：训练绝对时间
+3. Relative：训练时长
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/x-axis.png" width="40%"/>
+</p>
+* 可调整曲线平滑度，以便更好的展现参数整体的变化趋势
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/scalar-smooth.png" width="37%"/>
 </p>
 
 
@@ -61,7 +118,7 @@ visualdl --logdir ./log --port 8080
 
 ### 介绍
 
-Image 组件用于显示图片。在程序运行过程中，将图片数据传入 Image 组件，就可在 VisualDL 的前端网页看到相应图片。
+Image 组件用于显示图片数据随训练的变化。在模型训练过程中，将图片数据传入 Image 组件，就可在 VisualDL 的前端网页查看相应图片。
 
 ### 记录接口
 
@@ -78,8 +135,8 @@ add_image(tag, img, step, walltime=None)
 |step|int|记录的步数|
 |walltime|int|记录数据的时间戳，默认为当前时间戳|
 
-### demo
-下面展示了使用 Image 组件记录数据的示例，代码见[Image组件](../../demo/components/image_test.py)
+### Demo
+下面展示了使用 Image 组件记录数据的示例，代码文件请见[Image组件](../../demo/components/image_test.py)
 ```python
 import numpy as np
 from PIL import Image
@@ -103,7 +160,7 @@ if __name__ == '__main__':
         for step in range(6):
             # 添加一个图片数据
             writer.add_image(tag="doge",
-                             img=random_crop("../../docs/images/dog.jpg"),
+                             img=random_crop("../../docs/images/eye.jpg"),
                              step=step)
 ```
 运行上述程序后，在命令行执行
@@ -111,10 +168,26 @@ if __name__ == '__main__':
 visualdl --logdir ./log --port 8080
 ```
 
-接着在浏览器打开`http://127.0.0.1:8080`，即可拖动查看记录的不同图片。
+在浏览器输入`http://127.0.0.1:8080`，即可查看图片数据。
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/image-static.png" width="90%"/>
+</p>
+
+
+### 功能操作说明
+
+可搜索图片标签显示对应图片数据
+
+<p align="center">
+  <img src="http://visualdl.bj.bcebos.com/images/image-search.png" width="90%"/>
+</p>
+
+
+支持滑动Step/迭代次数查看不同迭代次数下的图片数据
 
 <p align="center">
-  <img src="../images/dynamic_image.gif" width="60%"/>
+  <img src="http://visualdl.bj.bcebos.com/images/image-eye.gif" width="60%"/>
 </p>
 
 
@@ -122,7 +195,7 @@ visualdl --logdir ./log --port 8080
 
 ### 介绍
 
-High Dimensional 组件的作用就是将数据映射到 2D/3D 空间来做可视化嵌入，这有利于了解不同数据的相关性。High Dimensional 组件支持以下两种降维算法：
+High Dimensional 组件将高维数据进行降维展示，用于深入分析高维数据间的关系。目前支持以下两种降维算法：
 
  - PCA : Principle Component Analysis 主成分分析
  - t-SNE : t-distributed stochastic neighbor embedding t-分布式随机领域嵌入
@@ -142,7 +215,7 @@ add_embeddings(tag, labels, hot_vectors, walltime=None)
 |hot_vectors|numpy.array or list|与labels一一对应，每个元素可以看作是某个标签的特征|
 |walltime|int|记录数据的时间戳，默认为当前时间戳|
 
-### demo
+### Demo
 下面展示了使用 High Dimensional 组件记录数据的示例，代码见[High Dimensional组件](../../demo/components/high_dimensional_test.py)
 ```python
 from visualdl import LogWriter
@@ -172,5 +245,5 @@ visualdl --logdir ./log --port 8080
 接着在浏览器打开`http://127.0.0.1:8080`，即可查看降维后的可视化数据。
 
 <p align="center">
-  <img src="../images/dynamic_high_dimensional.gif" width="80%"/>
+  <img src="http://visualdl.bj.bcebos.com/images/dynamic_high_dimensional.gif" width="80%"/>
 </p>