feat(simclr): 接入 SwanLab 可视化，并补上本地看板缺失的依赖

- SimCLRTrainer 记录 simclr/loss、loss_avg、lr（按 step）与 epoch_loss、
  epoch_seconds、gpu_mem_peak_mb（按 epoch），超参为完整 yaml 配置；
  正常结束与 KeyboardInterrupt 两条路径都会 finish()
- 配置新增 simclr.swanlab（字段同 train.swanlab），默认 mode: local，
  不需要登录，日志写到 <work_dir>/swanlog
- 依赖改为 swanlab[dashboard]：此前 `swanlab watch` 在干净环境里会报
  "Please install the swanboard package"，README 里检测训练那节的看板命令
  同样受影响，现已随 uv sync 装好
- README 补齐本地看板/云端/离线补传三种用法与端口、局域网参数

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

configs/cluster/film.yaml

@@ -99,6 +99,16 @@ simclr:
   temperature: 0.2              # 越小越关注难负样本
   amp: auto                     # CUDA 上开、MPS 上关
   save_interval: 5              # 每 5 个 epoch 落一次盘，中途中断也能拿到权重
+
+  # 训练可视化，字段与 train.swanlab 相同。默认 local：不需要登录，
+  # 日志写到 <work_dir>/swanlog，另开终端 `uv run swanlab watch runs/simclr/swanlog` 看板。
+  swanlab:
+    enabled: true
+    project: film-simclr
+    name: null                  # 缺省用 work_dir 目录名
+    mode: local                 # online(云端) | local(本地看板) | offline(仅存盘) | disabled
+    tags: [simclr, tiny_conv]
+
   log_interval: 20
   checkpoint: null              # 填已有的 simclr_backbone.pth 可跳过重复训练
   projection: {hidden_channels: 256, out_channels: 128}