feat(simclr): 支持断点续训，恢复优化器与调度器状态

此前 simclr.checkpoint 的语义是"有权重就跳过训练"，没有真正的续训：中途停掉再启动只能从头再来，或者放弃已训的轮次。 - 新增 simclr_last.pth：骨架 + 投影头 + 优化器 + 调度器 + scaler + epoch + step，与给下游用的 simclr_backbone.pth 并存，两者在同一时机落盘 - 新增 simclr.resume：载入完整状态从下一个 epoch 接着练。只恢复权重不恢复动量与 cosine 进度的话，续训时损失会先反弹一段 - resume 与 checkpoint 互斥（同时给直接报错）；拿只含骨架的 simclr_backbone.pth 去 resume 会给出可操作的报错，提示改用 checkpoint - 续训轮数已达计划值时不再训练，只打警告 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-09-03 09:34:55 +08:00
parent be6173c746
commit 345dee50da
6 changed files with 254 additions and 13 deletions
@@ -110,7 +110,11 @@ simclr:
    tags: [simclr, tiny_conv]

  log_interval: 20
-  checkpoint: null              # 填已有的 simclr_backbone.pth 可跳过重复训练
+  # checkpoint 与 resume 二选一，语义不同：
+  #   checkpoint: 有权重就**跳过训练**，直接拿它抽特征聚类（换簇数时用这个）
+  #   resume:     载入骨架+投影头+优化器+调度器，从上次的 epoch **接着训练**
+  checkpoint: null              # 例：runs/simclr/simclr_backbone.pth
+  resume: null                  # 例：runs/simclr/simclr_last.pth
  projection: {hidden_channels: 256, out_channels: 128}
  optimizer: {name: adamw, lr: 0.001, weight_decay: 0.0001}
  scheduler: {name: cosine}