fix(simclr): 周期性落盘，中途中断不再丢失训练成果

此前 fit() 只在全部 epoch 跑完后才保存骨架，一次跑到 epoch 12 被停掉后
13 分钟的训练全部作废。

- 每 save_interval（默认 5）个 epoch 保存一次骨架
- 捕获 KeyboardInterrupt，中断时先落盘再返回
- 聚类脚本改用 resolve_device，自监督分支不再有 GPU 守卫

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

scripts/cluster_unlabeled.py

@@ -4,7 +4,7 @@
     # 默认 4 类，ImageNet 预训练特征（不训练，CPU 可跑）
     uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
 
-    # 改簇数 / 换成在本地数据上自监督训练的特征（需要 Nvidia GPU）
+    # 改簇数 / 换成在本地数据上自监督训练的特征（Mac 上自动走 MPS）
     uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml \
         --set num_clusters=6 method=simclr
 
@@ -40,7 +40,11 @@ from engine.cluster import (  # noqa: E402
 )
 from models.registry import BACKBONES  # noqa: E402
 from utils import load_config, seed_everything, setup_logging  # noqa: E402
-from utils.device import NoNvidiaGpuError, require_cuda, resolve_device  # noqa: E402
+from utils.device import (  # noqa: E402
+    DeviceNotAvailableError,
+    describe_device,
+    resolve_device,
+)
 
 logger = None
 
@@ -49,7 +53,7 @@ def build_encoder(cfg, device, work_dir):
     """按 `method` 拿一个特征提取器。
 
     pretrained: ImageNet 预训练卷积骨架，纯推理，CPU 也能跑。用顶层的 `backbone`。
-    simclr:     在本目录数据上自监督训练一个项目自己的卷积骨架——属于训练，先过 GPU 守卫。
+    simclr:     在本目录数据上自监督训练一个项目自己的卷积骨架。
                 用 `simclr.backbone`，与 pretrained 的骨架配置各自独立：两者的字段完全不同
                 （arch/pretrained vs widths/depths），共用一个块会在 `_base_` 合并时串味。
     """
@@ -62,7 +66,6 @@ def build_encoder(cfg, device, work_dir):
     if method != "simclr":
         raise ValueError(f"未知 method: {method}，可选 pretrained / simclr")
 
-    require_cuda()  # 自监督预训练是训练，禁止在无 Nvidia GPU 的设备上跑
     from torch.utils.data import DataLoader
 
     from engine.simclr import SimCLRTrainer
@@ -200,6 +203,7 @@ def main() -> int:
     parser.add_argument("--root", default=None, help="覆盖配置里的图片根目录")
     parser.add_argument("--num-clusters", type=int, default=None, help="覆盖配置里的簇数")
     parser.add_argument("--work-dir", default=None)
+    parser.add_argument("--device", default=None, help="覆盖配置中的 device：auto / cuda / mps / cpu")
     parser.add_argument("--set", nargs="*", default=[], metavar="KEY=VALUE")
     parser.add_argument("--save-features", action="store_true", help="额外保存 embedding 供复用")
     parser.add_argument(
@@ -220,26 +224,22 @@ def main() -> int:
 
     num_clusters = int(cfg.get("num_clusters", 4))
     try:
-        device = resolve_device(str(cfg.get("device", "cuda")))
-    except NoNvidiaGpuError as exc:
+        device = resolve_device(args.device or cfg.get("device", "auto"))
+    except DeviceNotAvailableError as exc:
         logger.error("%s", exc)
         return 1
 
     dataset = build_dataset(dict(cfg["dataset"]))
     logger.info(
-        "扫描到 %d 张图，来自 %d 个目录；簇数 %d，method=%s，device=%s",
+        "扫描到 %d 张图，来自 %d 个目录；簇数 %d，method=%s，设备 %s",
         len(dataset),
         len({dataset.source_dir(path) for path in dataset.images}),
         num_clusters,
         cfg.get("method", "pretrained"),
-        device,
+        describe_device(device),
     )
 
-    try:
-        encoder = build_encoder(cfg, device, work_dir)
-    except NoNvidiaGpuError as exc:
-        logger.error("%s", exc)
-        return 1
+    encoder = build_encoder(cfg, device, work_dir)
 
     from torch.utils.data import DataLoader