feat: 训练与评估入口及 yaml 配置

- train.py: 先过 require_cuda() 守卫再建模型/数据，支持 --resume 与 --set 覆盖
- eval.py: 允许 CPU，输出定位与分类指标并可写 json
- configs: model/dataset/train/eval 四类，通过 `_base_` 组合；
  classes 既可直接写列表，也可指向 YOLO data.yaml 由框架读 names

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

configs/dataset/film_defect.yaml

@@ -0,0 +1,51 @@
+# 薄膜缺陷数据集（YOLO 风格标注：labels/*.txt，每行 `class_id cx cy w h`，归一化坐标）。
+# 类别顺序即标注里的 class_id，改动顺序等于改变标签含义，必须重新训练。
+# 也可以写成 data.yaml 的路径，从其中的 names 读类别：classes: data/film/data.yaml
+classes: [scratch, bubble, particle, crease, stain]
+
+# 图像级标签形式；模型的分类头、分类损失、分类指标都跟随它。
+#   multilabel（多类）：一张图可同时含多种缺陷，多热标签 + BCE，全 0 表示 OK 片；
+#   multiclass（单类）：一张图只归一个类别，互斥 softmax + CE，
+#                       分类头多一维表示"无缺陷"（下标 = len(classes)），
+#                       一图出现多种缺陷时取框数最多的类别。
+# 无论取哪种，定位分支始终按 classes 逐类输出 heatmap。
+label_mode: multilabel
+
+image_size: [512, 512]
+gray: false
+
+data:
+  train:
+    dataset:
+      name: film_defect
+      img_dir: data/film/images/train
+      label_dir: null          # 缺省按 YOLO 约定取 data/film/labels/train
+      gray: false
+      max_objects: 64
+      transforms:
+        - {name: Resize, size: [512, 512]}
+        - {name: RandomHorizontalFlip, p: 0.5}
+        - {name: RandomVerticalFlip, p: 0.5}
+        - {name: ColorJitter, brightness: 0.2, contrast: 0.2}
+        - {name: ToTensor}
+        - {name: Normalize, mean: [0.485, 0.456, 0.406], std: [0.229, 0.224, 0.225]}
+    loader:
+      batch_size: 16
+      shuffle: true
+      num_workers: 8
+      drop_last: true
+
+  val:
+    dataset:
+      name: film_defect
+      img_dir: data/film/images/val
+      label_dir: null
+      gray: false
+      transforms:
+        - {name: Resize, size: [512, 512]}
+        - {name: ToTensor}
+        - {name: Normalize, mean: [0.485, 0.456, 0.406], std: [0.229, 0.224, 0.225]}
+    loader:
+      batch_size: 16
+      shuffle: false
+      num_workers: 4