feat: 支持 cuda / mps / cpu 三后端，Mac 上可用 MPS 训练

移除"训练必须有 Nvidia GPU"的硬性守卫，改为按后端能力分派。

- utils/device: resolve_device("auto") 按 cuda > mps > cpu 挑最快的可用后端；
  显式指定不可用的后端时直接报错，不会悄悄退回 CPU——训练慢几十倍却不吭声是最坏的情况
- AMP 随后端取默认值：CUDA 开、MPS 关。MPS 上 autocast 数值正常但实测更慢
  （tiny_conv @128²：fp32 76 ms/步、fp16 90 ms、bf16 108 ms），需要时 amp: true 可强开
- PeakMemory 统一显存峰值统计：CUDA 读内置计数器，MPS 无峰值 API 改用逐 step 采样
  （是下界，日志与产出里已标注）
- profile_inference 支持 MPS，并提示 torch.profiler 没有 MPS 的 ProfilerActivity，
  算子明细只反映 CPU 侧下发耗时
- train.py / eval.py 新增 --device，配置默认改为 auto
- check_env 改为列出全部可用后端与 auto 的选择结果

实测：tiny_conv 训练在 MPS 上比 CPU 快约 32 倍。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

eval.py

@@ -4,7 +4,7 @@
 用法:
     python eval.py --config configs/eval/baseline.yaml --checkpoint runs/baseline/best.pth
 
-与训练不同，评估允许在 CPU 上运行（`--set device=cpu`），便于部署前回归。
+设备同样支持 auto / cuda / mps / cpu；部署前回归可以显式 `--device cpu`。
 """
 
 from __future__ import annotations
@@ -18,7 +18,7 @@ from datasets import build_dataloader, build_dataset, load_classes
 from engine import Evaluator
 from models import build_model
 from utils import check_label_mode, load_config, setup_logging
-from utils.device import resolve_device
+from utils.device import DeviceNotAvailableError, describe_device, resolve_device
 
 
 def parse_args() -> argparse.Namespace:
@@ -27,6 +27,7 @@ def parse_args() -> argparse.Namespace:
     parser.add_argument("--checkpoint", default=None, help="覆盖配置中的 checkpoint")
     parser.add_argument("--split", default=None, help="评估哪个 data 划分，默认取配置的 eval.split")
     parser.add_argument("--set", nargs="*", default=[], metavar="KEY=VALUE")
+    parser.add_argument("--device", default=None, help="覆盖配置中的 device：auto / cuda / mps / cpu")
     parser.add_argument("--out", default=None, help="把指标写入 json 文件")
     return parser.parse_args()
 
@@ -45,7 +46,12 @@ def main() -> int:
         logger.error("必须通过 --checkpoint 或配置中的 checkpoint 指定权重")
         return 1
 
-    device = resolve_device(str(cfg.get("device", "cuda")))
+    try:
+        device = resolve_device(args.device or cfg.get("device", "auto"))
+    except DeviceNotAvailableError as exc:
+        logger.error("%s", exc)
+        return 1
+    logger.info("评估设备: %s", describe_device(device))
     classes = load_classes(cfg["classes"])
 
     # label_mode 由 yaml 决定，模型与数据集必须一致，这里统一下发。