docs: SimCLR 域内自监督的实测对比与多后端说明

- 新增 §10.5：SimCLR vs ImageNet 预训练在 14,579 张上的同设置对比。
  只训 1 个 epoch 的域内特征在 k=4 上即追平（轮廓 0.334 vs 0.325），
  在 k=2 上大幅胜出（轮廓 0.469、稳定性 0.991）——目视确认该二分正是
  "有明显缺陷 / 弱纹理近空白"，可直接作为流水线的第一级过滤
- 复杂度表补 MPS 实测：特征提取 84s(CPU) -> 51s(MPS)，SimCLR 约 65s/epoch
- README 增加"计算后端"小节（三后端的 AMP 默认值、显存统计与限制）
- 流程图与对照表同步去掉已移除的 GPU 守卫

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

README.md

@@ -25,13 +25,30 @@ convolution 的结构（不含 attention / transformer），并支持导出 ONNX
 ```bash
 uv sync                      # 安装依赖（含 swanlab）
 uv sync --group export       # 需要导出 ONNX 时再装
-uv run python scripts/check_env.py   # 自检（Python / PyTorch / Nvidia GPU）
+uv run python scripts/check_env.py   # 自检（Python / PyTorch / 可用后端）
 ```
 
-> **训练机必须有 Nvidia GPU。** 所有训练入口先调用 `utils.device.require_cuda()`，
-> 检测不到 CUDA 构建的 PyTorch 或可用 GPU 时直接报错退出。评估与 ONNX 导出允许 CPU。
-> Linux 上 PyPI 的 torch 即 CUDA 构建；如需指定 CUDA 版本：
-> `uv pip install --index-url https://download.pytorch.org/whl/cu124 torch torchvision`
+### 计算后端
+
+支持 **CUDA / MPS（Apple Silicon）/ CPU**。配置里的 `device: auto` 按 `cuda > mps > cpu`
+自动挑最快的可用后端，也可以显式写 `cuda` / `mps` / `cpu`，或用命令行 `--device` 覆盖：
+
+```bash
+uv run python train.py --config configs/train/baseline.yaml               # auto
+uv run python train.py --config configs/train/baseline.yaml --device mps  # 强制 Mac GPU
+uv run python train.py --config configs/train/baseline.yaml --device cpu
+```
+
+**显式指定不可用的后端会直接报错退出**，不会悄悄退回 CPU——训练慢几十倍却不吭声是最坏的情况。
+
+| 后端 | AMP 默认 | 显存统计 | 备注 |
+| --- | --- | --- | --- |
+| `cuda` | **开** | 精确峰值 | Linux 上 PyPI 的 torch 即 CUDA 构建；指定版本用 `uv pip install --index-url https://download.pytorch.org/whl/cu124 torch torchvision` |
+| `mps` | **关** | 采样下界 | Apple Silicon。autocast 可用且数值正常，但实测比 fp32 慢（tiny_conv @128²：fp32 76 ms/步，fp16 90 ms），故默认不开；`amp: true` 可强制打开 |
+| `cpu` | 不支持 | 无 | 实测比 MPS 慢约 30 倍，仅适合调试与精度回归 |
+
+`amp` 字段接受 `auto`（随后端）/ `true` / `false`。MPS 上 `torch.profiler` 抓不到 Metal kernel
+（没有对应的 `ProfilerActivity`），算子明细只反映 CPU 侧下发耗时。
 
 ## 数据准备
 
@@ -148,7 +165,7 @@ uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
 # 先扫一遍簇数再决定分几类
 uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml --sweep-k 2-8
 
-# 换成在本地数据上自监督训练的特征（SimCLR，属于训练，需要 Nvidia GPU）
+# 换成在本地数据上自监督训练的特征（SimCLR，Mac 上自动走 MPS）
 uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml --set method=simclr
 ```
 
@@ -177,8 +194,8 @@ uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml --
 **本批薄膜图上自监督训练**一个项目自己的纯卷积骨架，域适配更好。同一张图的两个随机增强
 视图互为正样本，batch 内其余 2B−2 个视图为负样本，用 NT-Xent 损失训练。
 
-**这属于训练，因此必须有 Nvidia GPU**（走 `utils.device.require_cuda()` 守卫，
-在无卡机器上会直接报错退出）：
+训练走 `device: auto` 选中的后端——**Mac 上直接用 MPS 即可**，实测 14,579 张、
+batch 256 时约 65 秒/epoch：
 
 ```bash
 # 1. 自监督训练 + 聚类一步跑完（首次运行）
@@ -191,7 +208,13 @@ uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
 uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml     --set method=simclr simclr.epochs=200 simclr.batch_size=512 simclr.temperature=0.1
 ```
 
-训练完权重存到 `<work_dir>/simclr_backbone.pth`（**只含骨架，不含投影头**——投影头被训练成
+**实测效果**（14,579 张，与 pretrained 用完全相同的聚类设置）：只训 **1 个 epoch** 的域内特征
+在 k=4 上就追平 ImageNet（轮廓 0.334 vs 0.325），在 **k=2 上大幅胜出**（轮廓 0.469、
+稳定性 0.991）——目视确认这个二分正是"有明显缺陷 / 弱纹理近空白"，可直接当作流水线的
+第一级过滤。详见 [文档 §10.5](docs/unsupervised-clustering.md#105-simclr-域内自监督-vs-imagenet-预训练)。
+
+训练每 `save_interval` 个 epoch 落一次盘，中途 Ctrl-C 也能拿到当前权重继续用。
+权重存到 `<work_dir>/simclr_backbone.pth`（**只含骨架，不含投影头**——投影头被训练成
 对增强不变，会丢掉下游有用的信息，所以聚类和保存都只用骨架特征）。相关配置：
 
 ```yaml
@@ -204,7 +227,8 @@ simclr:
   epochs: 100
   batch_size: 256
   temperature: 0.2          # 越小越关注难负样本
-  amp: true
+  amp: auto                 # CUDA 上开、MPS 上关
+  save_interval: 5          # 每 5 个 epoch 落一次盘
   checkpoint: null          # 填已有权重可跳过重复训练
   projection: {hidden_channels: 256, out_channels: 128}
   optimizer: {name: adamw, lr: 0.001, weight_decay: 0.0001}