Add dockerfile and usage documentation (mli#29)

* Add dockerfile and usage documentation

* add dockerfile.cuda

* Change dockerfile to use cpu version pytorch

* update readme.md

Co-authored-by: pgh <pgh@PGH-HOME>

Dockerfile

@@ -0,0 +1,12 @@
+FROM python:3.9-slim as base
+
+RUN mkdir /autocut
+COPY ./ /autocut
+WORKDIR /autocut
+
+RUN apt update && \
+    apt install -y git && \
+    apt install -y ffmpeg
+
+RUN pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu && \
+    pip install .

Dockerfile.cuda

@@ -0,0 +1,11 @@
+FROM pytorch/pytorch:1.13.0-cuda11.6-cudnn8-runtime
+
+RUN mkdir /autocut
+COPY ./ /autocut
+WORKDIR /autocut
+
+RUN apt update && \
+    apt install -y git && \
+    apt install -y ffmpeg
+
+RUN pip install .

README.md

@@ -46,6 +46,44 @@ brew install ffmpeg
 scoop install ffmpeg
 ```
 
+## Docker安装  
+
+首先将项目克隆到本地。  
+
+```bash
+git clone https://github.com/mli/autocut.git
+```
+
+### 安装CPU版本  
+
+进入项目根目录，然后构建docker映像。  
+
+```bash
+docker build -t autocut .
+```
+
+运行下面的命令创建docker容器，就可以直接使用了。
+
+```bash
+docker run -it --rm -v E:\autocut:/autocut/video autocut /bin/bash
+```
+
+其中`-v`是将主机存放视频的文件夹`E:\autocut`映射到虚拟机的`/autocut/video`目录。`E:\autocut`是主机存放视频的目录，需修改为自己主机存放视频的目录。  
+
+### 安装GPU版本
+
+使用GPU加速需要主机有Nvidia的显卡并安装好相应驱动。然后在项目根目录，执行下面的命令构建docker映像。
+
+```bash
+docker build -f ./Dockerfile.cuda -t autocut-gpu .
+```
+
+使用GPU加速时，运行docker容器需添加参数 `--gpus all`。
+
+```bash
+docker run --gpus all -it --rm -v E:\autocut:/autocut/video autocut-gpu
+```
+
 ## 更多使用选项
 
 ### 转录某个视频生成`.srt`和`.md`结果。