refactor: 按实际的五步工作流裁掉无关代码

实际工作流是：simclr 训练 -> 聚类 -> 人工归类 -> 分类训练 -> GradCAM/SHAP 生成
热力图与 box。据此移除不参与其中的检测/定位链路，共 31 个文件、约 2600 行：

- 模型：defect_net、postprocess、necks/、heads/center_head
- 数据：film_defect（YOLO 读取端）、target_encoder
- 引擎：trainer、evaluator、losses
- 入口：train.py、eval.py
- 脚本：convert_annotations、split_dataset、export_onnx、profile_inference
- 配置：configs/{train,eval,model,dataset}
- utils/labels（多类/单类标签模式，仅检测分类头使用）

共享模块按实际用量瘦身：engine/metrics 只留 AverageMeter（检测指标随之移除）；
datasets/yolo 只留写出侧（IMAGE_SUFFIXES 与 write_data_yaml）——第 5 步产出的
YOLO 标签是给外部检测训练用的交换格式，读取端不再需要。

裁剪过程中修掉一个真 bug：generate_boxes 的 --stage 默认 6（layer3）对 tiny_conv
这类非 nn.Sequential 骨架直接抛异常。现在自动退回骨架最终输出并警告，
另加 --stage -1 显式选择最终输出。

五步工作流已端到端实跑验证（simclr 1 轮 -> 聚类 -> 导出 -> 分类 1 轮 ->
gradcam 与 shap 两种方法各生成一遍）。

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

datasets/build.py

@@ -1,39 +1,14 @@
-"""按配置构建 Dataset / DataLoader。"""
+"""按配置构建 Dataset。"""
 
 from __future__ import annotations
 
 from collections.abc import Mapping
 from typing import Any
 
-from torch.utils.data import DataLoader, Dataset
+from torch.utils.data import Dataset
 
-from datasets.film_defect import collate_fn
 from datasets.registry import DATASETS
-from utils.device import pin_memory_supported, resolve_device
 
 
 def build_dataset(cfg: Mapping[str, Any], **kwargs: Any) -> Dataset:
     return DATASETS.build(dict(cfg), **kwargs)
-
-
-def build_dataloader(
-    dataset: Dataset,
-    batch_size: int = 8,
-    shuffle: bool = False,
-    num_workers: int = 4,
-    pin_memory: bool | None = None,
-    drop_last: bool = False,
-) -> DataLoader:
-    """`pin_memory` 缺省时只在 CUDA 上开启（CPU/MPS 上无收益且会告警）。"""
-    if pin_memory is None:
-        pin_memory = pin_memory_supported(resolve_device("auto"))
-    return DataLoader(
-        dataset,
-        batch_size=batch_size,
-        shuffle=shuffle,
-        num_workers=num_workers,
-        pin_memory=pin_memory,
-        drop_last=drop_last,
-        collate_fn=collate_fn,
-        persistent_workers=num_workers > 0,
-    )