add Chinese README and a link in the original README to it.

README.md

@@ -30,6 +30,8 @@
 
 ---
 
+[ English | [简体中文](./README_CN.md) ]
+
 ### What is Hub for?
 
 Software 2.0 needs Data 2.0, and Hub delivers it. Most of the time Data Scientists/ML researchers work on data management and preprocessing instead of training models. With Hub, we are fixing this. We store your (even petabyte-scale) datasets as single numpy-like array on the cloud, so you can seamlessly access and work with it from any machine. Hub makes any data type (images, text files, audio, or video) stored in cloud usable as fast as if it were stored on premise. With same dataset view, your team can always be in sync. 

README_CN.md

@@ -0,0 +1,208 @@
+ <p align="center">
+    <br>
+    <img src="https://raw.githubusercontent.com/activeloopai/Hub/master/docs/logo/logo-explainer-bg.png" width="50%"/>
+    </br>
+</p>
+
+<p align="center">
+    <a href="http://docs.activeloop.ai/">
+        <img alt="Docs" src="https://readthedocs.org/projects/hubdb/badge/?version=latest">
+    </a>
+    <a href="https://pypi.org/project/hub/"><img src="https://badge.fury.io/py/hub.svg" alt="PyPI version" height="18"></a>
+    <a href="https://pypi.org/project/hub/"><img src="https://img.shields.io/pypi/dm/hub.svg" alt="PyPI version" height="18"></a>
+    <a href="https://app.circleci.com/pipelines/github/activeloopai/Hub">
+    <img alt="CircleCI" src="https://img.shields.io/circleci/build/github/activeloopai/Hub?logo=circleci"> </a>
+     <a href="https://github.com/activeloopai/Hub/issues">
+    <img alt="GitHub issues" src="https://img.shields.io/github/issues/activeloopai/Hub"> </a>
+    <a href="https://codecov.io/gh/activeloopai/Hub/branch/master"><img src="https://codecov.io/gh/activeloopai/Hub/branch/master/graph/badge.svg" alt="codecov" height="18"></a>
+    <a href="https://twitter.com/intent/tweet?text=The%20fastest%20way%20to%20access%20and%20manage%20PyTorch%20and%20Tensorflow%20datasets%20is%20open-source&url=https://activeloop.ai/&via=activeloopai&hashtags=opensource,pytorch,tensorflow,data,datascience,datapipelines,activeloop,dockerhubfordatasets"> 
+        <img alt="tweet" src="https://img.shields.io/twitter/url/http/shields.io.svg?style=social"> </a>  
+   </br> 
+    <a href="https://join.slack.com/t/hubdb/shared_invite/zt-ivhsj8sz-GWv9c5FLBDVw8vn~sxRKqQ">
+  <img src="https://user-images.githubusercontent.com/13848158/97266254-9532b000-1841-11eb-8b06-ed73e99c2e5f.png" height="35" /> </a>
+
+---
+
+</a>
+</p>
+
+<h3 align="center"> Hub 向您展示数据的新纪元 </br> 最快的方式来访问 & 管理 PyTorch/TensorFlow 的数据和建立可扩展性的数据工作流 </h3>
+
+---
+
+[ [English](./README.md) | 简体中文 ]
+
+### Hub 的作用是什么?
+
+新时代的的软件需要新时代的数据，而 Hub 提供这些数据。数据科学家和 ML 科学家应该专注于训练模型，但现在我们都在花大量时间管理和预处理数据。Hub 致力于改进这一现状。我们把您的数据以单一的 类-numpy 式数组为形式储存在云端，所以您可以无缝的从任何设备访问您的数据。Hub 使得任何储存在云端的数据类型（图像，文本，音频，或者视频）用起来快的像本地服务器一样。有着一样的数据库，小组可以一直保持同步。
+
+Waymo, Red Cross, World Resources Institute, Omdena 和其他很多组织都在使用 Hub!
+
+### 特点 
+
+* 以版本控制工具储存/回复大型数据库。
+* 像 Google Docs 一样协作: 多个数据科学家同时处理一组数据，并且没有同步冲突
+* 同时从多个设备访问
+* 与您的 ML 工具整合， 比如 Numpy, Dask, Ray, [PyTorch](https://docs.activeloop.ai/en/latest/integrations/pytorch.html), [TensorFlow](https://docs.activeloop.ai/en/latest/integrations/tensorflow.html)
+* 可部署在 Google Cloud, S3, Azure，和 Activeloop (预设选择，并且是免费的!) 
+* 随心所欲地创建任意大小的储存数组. 您甚至可以储存 100k x 100k 大小的图片!
+* 动态地保存样本的形状. 因此您可以把大数组和小数组储存为一条数组
+* 无需冗长的操作，用几秒种即可[可视化](http://app.activeloop.ai/?utm_source=github&utm_medium=repo&utm_campaign=readme)数据中的片段
+
+## 如何开始
+
+### 访问公共数据集. 超快
+
+以前为了加载一个公共数据集，大家需要很多代码，浪费很多时间来访问和理解 API ，和下载数据。如果使用 Hub, 只需要2行代码， 您即可**在3分钟内开始工作**。
+
+```sh
+pip3 install hub
+```
+
+用 Hub 访问公共数据集只需要几行代码的简单步骤。运行这个片段就可以 numpy 数组的形式取得[MNIST 数据库](https://app.activeloop.ai/dataset/activeloop/mnist/?utm_source=github&utm_medium=repo&utm_campaign=readme)前1000张图片。
+
+```python
+from hub import Dataset
+
+mnist = Dataset("activeloop/mnist")  # loading the MNIST data lazily
+# saving time with *compute* to retrieve just the necessary data
+mnist["image"][0:1000].compute()
+```
+您可以在 [app.activeloop.ai](https://app.activeloop.ai/datasets/popular/?utm_source=github&utm_medium=repo&utm_campaign=readme) 找到其他流行的数据库.
+
+### 训练模型
+
+加载数据并且**直接地**训练您的模型。Hub 已与 PyTorch 和 TensorFlow 整合，并且以通俗的方式进行格式转换。看看下面使用 PyTorch 的例子：
+
+```python
+from hub import Dataset
+import torch
+
+mnist = Dataset("activeloop/mnist")
+# converting MNIST to PyTorch format
+mnist = mnist.to_pytorch(lambda x: (x["image"], x["label"]))
+
+train_loader = torch.utils.data.DataLoader(mnist, batch_size=1, num_workers=0)
+
+for image, label in train_loader:
+    # Training loop here
+```
+
+### 创建本地数据集 
+如果您想在本地处理您的数据，您可以从创建一个数据集开始：
+
+```python
+from hub import Dataset, schema
+import numpy as np
+
+ds = Dataset(
+    "./data/dataset_name",  # file path to the dataset
+    shape = (4,),  # follows numpy shape convention
+    mode = "w+",  # reading & writing mode
+    schema = {  # named blobs of data that may specify types
+    # Tensor is a generic structure that can contain any type of data
+        "image": schema.Tensor((512, 512), dtype="float"),
+        "label": schema.Tensor((512, 512), dtype="float"),
+    }
+)
+
+# filling the data containers with data (here - zeroes to initialize)
+ds["image"][:] = np.zeros((4, 512, 512))
+ds["label"][:] = np.zeros((4, 512, 512))
+ds.commit()  # executing the creation of the dataset
+```
+
+您也可以指明 `s3://bucket/path`, `gcs://bucket/path` 或 azure 路径。您可以在[这里](https://docs.activeloop.ai/en/latest/simple.html#data-storage)找到云储存的更多相关信息。
+
+如果您需要 Hub 里目前找不到的公共数据集，您可以发送 [Issues](https://github.com/activeloopai/Hub/issues/new?assignees=&labels=i%3A+enhancement%2C+i%3A+needs+triage&template=feature_request.md&title=[FEATURE]+New+Dataset+Required%3A+%2Adataset_name%2A)。我们将尽快为所有人实现他。
+
+### 用简单的3步上传您的数据集 并 从<ins>任何地方</ins>访问它
+
+1. 在 [Activeloop](https://app.activeloop.ai/register/?utm_source=github&utm_medium=repo&utm_campaign=readme) 注册一个免费账户并在本地认证:
+```sh
+hub register
+hub login
+```
+
+2. 然后创建一个数据集，注明它的名字，然后把它上传到您的账户。比如：
+```python
+from hub import Dataset, schema
+import numpy as np
+
+ds = Dataset(
+    "username/dataset_name",
+    shape = (4,),
+    mode = "w+",
+    schema = {
+        "image": schema.Tensor((512, 512), dtype="float"),
+        "label": schema.Tensor((512, 512), dtype="float"),
+    }
+)
+
+ds["image"][:] = np.zeros((4, 512, 512))
+ds["label"][:] = np.zeros((4, 512, 512))
+ds.commit()
+```
+
+3. 在任何地点，以任何机器，只要有命令行就可访问它：
+```python
+from hub import Dataset
+
+ds = Dataset("username/dataset_name")
+```
+
+
+## 官方文档
+
+对于其他更高级的工作流，比如上传较大的数据集，或者应用多重变换，请阅读[文档](http://docs.activeloop.ai/?utm_source=github&utm_medium=repo&utm_campaign=readme)。
+
+## 应用场景
+* **卫星和无人机成像**: [可扩展的航空数据流](https://activeloop.ai/usecase/intelinair?utm_source=github&utm_medium=repo&utm_campaign=readme), [绘制印度的经济状况](https://towardsdatascience.com/faster-machine-learning-using-hub-by-activeloop-4ffb3420c005), [与红十字一起在肯尼亚抗击沙漠蝗虫](https://omdena.com/projects/ai-desert-locust/)
+* **医学图像**: 体积图像： MRI， Xray
+* **自动驾驶汽车**: [雷达, 3D LIDAR, 点云, 语义分割, 图像对象](https://medium.com/snarkhub/extending-snark-hub-capabilities-to-handle-waymo-open-dataset-4dc7b7d8ab35)
+* **零售**: 自行结账数据集
+* **媒体**: 图像，视频，音频储存
+
+## 社区
+
+加入我们的 [**Slack 社区**](https://join.slack.com/t/hubdb/shared_invite/zt-ivhsj8sz-GWv9c5FLBDVw8vn~sxRKqQ) 以便从 Activeloop 团队和其他用户获取帮助, 并且与最好的技术保持更新！
+
+<img alt="tweet" src="https://img.shields.io/twitter/follow/activeloopai?label=stay%20in%20the%20Loop&style=social"> on Twitter.
+
+一如既往，感谢我们可爱的贡献者们！ </br>
+
+[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/0)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/0)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/1)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/1)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/2)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/2)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/3)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/3)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/4)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/4)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/5)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/5)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/6)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/6)[![](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/images/7)](http://sourcerer.io/fame/davidbuniat/activeloopai/Hub/links/7)
+
+请阅读 [CONTRIBUTING.md](CONTRIBUTING.md) 以了解如何为 Hub 做贡献。
+
+## 例子
+Activeloop 的 Hub 形使您可以以更低的成本来达成更快的推理。我们的平台已有超过30个流行的数据集。包括：
+- COCO
+- CIFAR-10
+- PASCAL VOC
+- Cars196
+- KITTI
+- EuroSAT 
+- Caltech-UCSD Birds 200
+- Food101
+
+在我们的 [可视化 web app](https://app.activeloop.ai/datasets/popular/?utm_source=github&utm_medium=repo&utm_campaign=readme) 查看这些和很多其他的数据集，然后直接加载它们来进行模型训练。
+
+## README 徽章
+
+在使用 Hub 吗? 添加 README 徽章来让大家知道: 
+
+[![hub](https://img.shields.io/badge/powered%20by-hub%20-ff5a1f.svg)](https://github.com/activeloopai/Hub)
+
+```
+[![hub](https://img.shields.io/badge/powered%20by-hub%20-ff5a1f.svg)](https://github.com/activeloopai/Hub)
+```
+
+## 免责声明
+
+与其他的数据管理包一样， `Hub` 是一个用于下载和准备公共数据集的应用型库。我们不托管或分发这些数据集，也不保证其质量或是公平性，也不声明您有使用它们的许可。确认您是否有权在数据集的许可下使用该数据集是您的责任。
+
+如果您是数据集所有者，并希望更新数据集的任何部分（描述，引用等），或者不希望将数据集包含在此库中，请通过 [GitHub issue](https://github.com/activeloopai/Hub/issues/new) 告知我们。感谢您对 ML 社区做出的贡献！
+
+## 致敬
+这项技术的灵感来自我们在普林斯顿大学的经验，并且感谢 William Silversmith @SeungLab 和他优秀的 [cloud-volume](https://github.com/seung-lab/cloud-volume) 工具。我们是 [Zarr](https://zarr.readthedocs.io/en/stable/) 的重度使用者，特别感谢他们建立了如此重要的基础建设。