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>

scripts/cluster_unlabeled.py

@@ -5,6 +5,7 @@
     uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
 
     # 改簇数 / 换成在本地数据上自监督训练的特征（Mac 上自动走 MPS）
+    # 断点续训：--set method=simclr simclr.resume=runs/simclr/simclr_last.pth
     uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml \
         --set num_clusters=6 method=simclr
 
@@ -76,7 +77,13 @@ def build_encoder(cfg, device, work_dir):
     stages = simclr_cfg.pop("feature_stages", None)
     backbone = BACKBONES.build(backbone_cfg).to(device)
 
+    resume = simclr_cfg.pop("resume", None)
     checkpoint = simclr_cfg.pop("checkpoint", None)
+    if resume and checkpoint:
+        raise ValueError(
+            "simclr.resume 与 simclr.checkpoint 只能二选一："
+            "resume=接着训练，checkpoint=跳过训练直接聚类。"
+        )
     if checkpoint and Path(checkpoint).exists():
         state = torch.load(checkpoint, map_location=device, weights_only=False)
         backbone.load_state_dict(state["model"])
@@ -95,7 +102,9 @@ def build_encoder(cfg, device, work_dir):
         collate_fn=unlabeled_collate,
     )
     full_config = cfg.to_dict() if hasattr(cfg, "to_dict") else dict(cfg)
-    SimCLRTrainer(backbone, loader, simclr_cfg, device, work_dir, full_config=full_config).fit()
+    SimCLRTrainer(
+        backbone, loader, simclr_cfg, device, work_dir, full_config=full_config, resume=resume
+    ).fit()
     return StageFeatureExtractor(backbone, stages).to(device).eval()