fix(backbones): 修复 shufflenet 无法构建，并让换骨架不再踩配置合并的坑

- shufflenet_v2_x1_0 列在支持清单里却直接 AttributeError：ShuffleNetV2 既不是
  扁平 children 也没有 .features，需要按 conv1/maxpool/stage2..4/conv5 自己拼。
  该 bug 同时影响 SimCLR 与检测模型
- 新增参数化测试覆盖清单里的每个 arch：能前向、声明的 out_channels 与实际一致
- 配置支持 `_replace_: true`：子字典整块替换而不与 base 合并。换骨架时
  tiny_conv 的 widths/depths 会残留并传给新骨架，此前无论用 --set 还是 _base_
  都绕不开，只能改原文件
- Registry.build 提前校验字段，报错直接指出是哪些字段不被接受、该怎么办，
  取代裸 TypeError
- README 补充可选骨架表与三种改法（含不该用 --set 改 name 的说明）

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

models/backbones/resnet.py

@@ -45,10 +45,7 @@ class TorchvisionBackbone(nn.Module):
         weights = "DEFAULT" if pretrained else None
         net = getattr(torchvision.models, arch)(weights=weights)
 
-        if arch.startswith("resnet"):
-            self.features = nn.Sequential(*list(net.children())[:-2])
-        else:
-            self.features = net.features
+        self.features = self._extract_features(net, arch)
 
         if in_channels != 3:
             self._patch_first_conv(in_channels)
@@ -60,6 +57,25 @@ class TorchvisionBackbone(nn.Module):
             for param in self.parameters():
                 param.requires_grad_(False)
 
+    @staticmethod
+    def _extract_features(net: nn.Module, arch: str) -> nn.Sequential:
+        """取到最后一个卷积 stage 为止，丢掉分类头。
+
+        不同系列的 torchvision 模型结构不一样：resnet 是扁平的 children，
+        mobilenet 有现成的 `.features`，而 ShuffleNetV2 两者都不是——它把层
+        散放在 conv1/maxpool/stage2..4/conv5 上，得按顺序自己拼。
+        """
+        if arch.startswith("resnet"):
+            return nn.Sequential(*list(net.children())[:-2])
+        if arch.startswith("shufflenet"):
+            return nn.Sequential(
+                net.conv1, net.maxpool, net.stage2, net.stage3, net.stage4, net.conv5
+            )
+        features = getattr(net, "features", None)
+        if features is None:
+            raise ValueError(f"不知道如何从 {arch} 取特征，请在 _extract_features 里补一条分支")
+        return features
+
     def _patch_first_conv(self, in_channels: int) -> None:
         for module in self.features.modules():
             if isinstance(module, nn.Conv2d):