feat(cluster): 新增 resnet18 自监督聚类配置，并修复 --set 的 YAML 标量解析

- 新增 configs/cluster/film_simclr_resnet18.yaml：用 resnet18 做域内自监督后聚类。
  backbone 块带 _replace_，避免 base 里 tiny_conv 的 widths/depths 残留
- parse_override 此前只用 ast.literal_eval，不认 YAML 风格的 null/true/false：
  `--set xxx.enabled=false` 会得到字符串 "false"，而非空字符串是真值，开关反被打开。
  改为先试 Python 字面量（保住 1e-3 这类），再退回 YAML 标量解析
- feature_stages 默认由 null 改为 [5, 6]：实测 1 epoch 自监督后 layer2+3 的轮廓
  0.243/稳定性 0.997，明显优于 layer4 的 0.156/0.528。原注释里"自监督后 layer4
  已是域内特征"的推断被数据推翻
- README 补充三种方案的实测对比与成本

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

README.md

@@ -373,6 +373,25 @@ view_transforms:            # 生成两个视图的随机增强
 
 #### 换一个骨架
 
+**仓库自带 resnet18 的现成配置**，直接用：
+
+```bash
+uv run python scripts/cluster_unlabeled.py --config configs/cluster/film_simclr_resnet18.yaml \
+    --work-dir runs/simclr_r18 --set simclr.epochs=40
+```
+
+注意默认的 `method: pretrained` 用的**也是 resnet18**（ImageNet 权重，不训练，约 51 秒出结果）；
+上面这个配置是在 `data/film` 上自监督训练它。两者实测对比（14,579 张，k=4）：
+
+| 方案 | 轮廓 | 稳定性 | 成本 |
+| --- | --- | --- | --- |
+| pretrained resnet18（ImageNet，不训练） | **0.326** | **0.964** | 约 51 秒 |
+| SimCLR tiny_conv（1 epoch） | 0.334 | 0.873 | 65 秒/epoch |
+| SimCLR resnet18（1 epoch） | 0.243 | 0.997 | 93 秒/epoch，显存 315 MB |
+
+resnet18 参数量是 tiny_conv 的 37 倍（11.2M vs 0.3M），1 个 epoch 远不够收敛——
+上表只是**下界**，要用它就得训几十轮。想快速出结果，默认的 pretrained 或 tiny_conv 更划算。
+
 `simclr.backbone` 用的是和检测模型同一套注册表，可选：
 
 | `name` | `arch` | out_channels | 说明 |

configs/cluster/film_simclr_resnet18.yaml

@@ -0,0 +1,35 @@
+# 用 resnet18 做域内自监督（SimCLR）再聚类。
+#
+# 与默认配置的区别只有骨架：configs/cluster/film.yaml 的 method=pretrained 用的也是
+# resnet18，但那是 ImageNet 权重、不训练；这里是在 data/film 上自监督训练它。
+#
+# 用法：
+#   uv run python scripts/cluster_unlabeled.py --config configs/cluster/film_simclr_resnet18.yaml \
+#       --work-dir runs/simclr_r18 --set simclr.epochs=40
+_base_:
+  - ./film.yaml
+
+method: simclr
+
+simclr:
+  backbone:
+    # _replace_ 必须保留：不加的话 base 里 tiny_conv 的 widths/depths/block 会残留，
+    # 传给 TorchvisionBackbone 直接报错。见 utils/config.py::deep_merge
+    _replace_: true
+    name: torchvision
+    arch: resnet18
+    pretrained: true      # 从 ImageNet 权重起步再自监督微调；改 false 则从随机初始化开始
+    in_channels: 3
+
+  # torchvision 的 features 是 nn.Sequential，可以取中间层（4~7 = layer1~4）。
+  # 实测（1 epoch 自监督后，14,579 张，k=4）：
+  #   [5, 6]    layer2+3  轮廓 0.243  稳定性 0.997   <- 默认
+  #   null      layer4    轮廓 0.156  稳定性 0.528
+  #   [5, 6, 7] 再加 layer4  轮廓 0.155  稳定性 0.553
+  # 原以为自监督之后 layer4 已是域内特征、可以直接用，实测并非如此：
+  # 缺陷差异主要在纹理层面，中间层依然更合适。
+  feature_stages: [5, 6]
+
+  # resnet18 比 tiny_conv 重得多（11.2M vs 0.3M），显存和耗时都要留余量
+  batch_size: 128
+  epochs: 40

tests/test_config.py

@@ -16,6 +16,24 @@ def test_parse_override_literals():
     assert parse_override("train.lr=1e-3") == ("train.lr", 1e-3)
     assert parse_override("train.amp=False") == ("train.amp", False)
     assert parse_override("model.backbone.name=tiny_conv") == ("model.backbone.name", "tiny_conv")
+    assert parse_override("simclr.feature_stages=[5, 6]") == ("simclr.feature_stages", [5, 6])
+
+
+def test_parse_override_accepts_yaml_style_scalars():
+    """配置文件里写 null/true/false，命令行上也得能这么写。
+
+    回归测试：只用 ast.literal_eval 时 `false` 会变成字符串 "false"，
+    而非空字符串是真值——`--set xxx.enabled=false` 反而把开关打开了。
+    """
+    assert parse_override("a=null") == ("a", None)
+    assert parse_override("a=~") == ("a", None)
+    assert parse_override("a=true") == ("a", True)
+    assert parse_override("a=false") == ("a", False)
+    assert parse_override("a=false")[1] is False  # 不是字符串
+
+    # 路径、模型名这类仍应保持字符串
+    assert parse_override("a=resnet18") == ("a", "resnet18")
+    assert parse_override("a=runs/x/best.pth") == ("a", "runs/x/best.pth")
 
 
 def test_apply_overrides_creates_missing_nodes():

utils/config.py

@@ -107,15 +107,31 @@ def _load_raw(path: Path, seen: set[Path]) -> dict:
 
 
 def parse_override(item: str) -> tuple[str, Any]:
-    """解析 `train.lr=1e-3`，值按 Python 字面量尝试转换，失败则保留字符串。"""
+    """解析 `train.lr=1e-3`，把值转成合适的类型。
+
+    先按 Python 字面量解析（`1e-3`、`[5, 6]`、`None`、`False` 都能认），
+    再退回 YAML 标量解析，好让配置文件里的写法在命令行上同样可用
+    （`null`、`true`、`false`）。两者都失败才保留字符串。
+
+    这一步不能只用 `ast.literal_eval`：YAML 风格的 `false` 会原样变成字符串，
+    而非空字符串是**真值**——`--set xxx.enabled=false` 反而把开关打开了。
+    也不能只用 YAML：PyYAML 把 `1e-3` 当字符串（YAML 1.1 要写成 `1.0e-3`）。
+    """
     if "=" not in item:
         raise ValueError(f"覆盖项格式应为 key=value，收到: {item}")
     key, raw = item.split("=", 1)
+    raw = raw.strip()
+
     try:
-        value = ast.literal_eval(raw)
+        return key.strip(), ast.literal_eval(raw)
     except (ValueError, SyntaxError):
-        value = raw
-    return key.strip(), value
+        pass
+    try:
+        parsed = yaml.safe_load(raw)
+    except yaml.YAMLError:
+        return key.strip(), raw
+    # YAML 会把 "abc: def" 之类解析成 dict，命令行上应当按字符串处理
+    return key.strip(), parsed if isinstance(parsed, (bool, int, float, list, type(None))) else raw
 
 
 def apply_overrides(cfg: dict, overrides: Iterable[str]) -> dict: