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>

figures/clustering-pipeline.md

@@ -1,7 +1,7 @@
 # 无监督聚类流水线
 
 从 `data/film` 的原始图片到可人工核对的分组结果：六个阶段的数据流、张量形状与每步的数学操作。
-虚线是可选的 SimCLR 自监督分支（`method: simclr`，需要 Nvidia GPU）。
+虚线是可选的 SimCLR 自监督分支（`method: simclr`，CUDA 与 Apple MPS 均可）。
 
 ```mermaid
 flowchart TB
@@ -67,7 +67,7 @@ flowchart TB
         summ["summary.json<br/>簇大小 / 轮廓 / 稳定性"]:::out
     end
 
-    simclr["可选：SimCLR 自监督<br/>method = simclr<br/>需 Nvidia GPU"]:::feat
+    simclr["可选：SimCLR 自监督<br/>method = simclr<br/>cuda / mps 均可"]:::feat
 
     scan --> PRE
     PRE -->|"x̃ᵢ"| FEAT

figures/clustering-pipeline.mmd

@@ -61,7 +61,7 @@ flowchart TB
         summ["summary.json<br/>簇大小 / 轮廓 / 稳定性"]:::out
     end
 
-    simclr["可选：SimCLR 自监督<br/>method = simclr<br/>需 Nvidia GPU"]:::feat
+    simclr["可选：SimCLR 自监督<br/>method = simclr<br/>cuda / mps 均可"]:::feat
 
     scan --> PRE
     PRE -->|"x̃ᵢ"| FEAT