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/train/baseline.yaml

@@ -0,0 +1,42 @@
+_base_:
+  - ../model/tiny_conv.yaml
+  - ../dataset/film_defect.yaml
+
+work_dir: runs/baseline
+seed: 42
+deterministic: false
+device: cuda            # 训练只允许 Nvidia GPU，见 utils/device.py
+
+train:
+  epochs: 100
+  amp: true
+  clip_grad: 5.0
+  log_interval: 20
+  monitor: f1           # 用于挑选 best.pth 的验证指标
+
+  optimizer:
+    name: adamw
+    lr: 0.001
+    weight_decay: 0.0001
+
+  scheduler:
+    name: cosine
+
+  loss:
+    heatmap_weight: 1.0
+    wh_weight: 0.1
+    offset_weight: 1.0
+    cls_weight: 1.0
+
+  eval:
+    score_threshold: 0.3
+    iou_threshold: 0.5
+    topk: 50
+
+  # 训练过程可视化（SwanLab）。未安装或 enabled=false 时自动跳过。
+  swanlab:
+    enabled: true
+    project: film-defect
+    name: null            # 缺省用 work_dir 的目录名
+    mode: online          # online(云端) | local(本地看板) | offline(仅存盘) | disabled
+    tags: [tiny_conv, center-head]

configs/train/multiclass.yaml

@@ -0,0 +1,12 @@
+_base_:
+  - ./baseline.yaml
+
+# 单类（互斥）分类示例：一张图只归一个类别，分类头多一维表示"无缺陷"。
+label_mode: multiclass
+
+work_dir: runs/multiclass
+train:
+  monitor: cls_f1         # 单类模式下常用分类指标挑选 best.pth
+  swanlab:
+    name: multiclass
+    tags: [tiny_conv, multiclass]

configs/train/resnet18.yaml

@@ -0,0 +1,8 @@
+_base_:
+  - ./baseline.yaml
+  - ../model/resnet18.yaml
+
+work_dir: runs/resnet18
+train:
+  optimizer:
+    lr: 0.0005