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>

utils/__init__.py

@@ -1,7 +1,15 @@
 """通用工具：配置、注册表、日志、随机种子、设备检查。"""
 
 from utils.config import Config, load_config
-from utils.device import require_cuda, resolve_device
+from utils.device import (
+    DeviceNotAvailableError,
+    PeakMemory,
+    available_backends,
+    describe_device,
+    memory_stats,
+    resolve_amp,
+    resolve_device,
+)
 from utils.labels import LABEL_MODES, MULTICLASS, MULTILABEL, check_label_mode
 from utils.logging import get_logger, setup_logging
 from utils.registry import Registry
@@ -10,8 +18,13 @@ from utils.seed import seed_everything
 __all__ = [
     "Config",
     "load_config",
-    "require_cuda",
     "resolve_device",
+    "resolve_amp",
+    "describe_device",
+    "available_backends",
+    "memory_stats",
+    "PeakMemory",
+    "DeviceNotAvailableError",
     "LABEL_MODES",
     "MULTILABEL",
     "MULTICLASS",