XNet GroupNorm 替换设计

1. 目标

将当前 XNet2d 的 2D 卷积主路径从 BatchNorm2d 切换到更适合 2D 图像分割、且对 batch size 更稳健的 GroupNorm，目标是：

保持当前 2D 分割主线可训练。
避免深层特征在 batch_size=1 或极小空间尺寸下因 BatchNorm2d 统计约束报错。
采用工程上常见、对 2D 医学分割友好的默认方案。

2. 推荐方案

当前主线采用：

CNN / 卷积块 -> GroupNorm

不修改 lib/modules/lib_mamba/vmamba.py 内部的 LayerNorm / BatchNorm 逻辑，本轮只覆盖 XNet2d 主路径直接使用的 2D 卷积归一化层。

3. 替换范围

3.1 代码

主要修改：

lib/modules/layers_2d.py

受影响调用者：

lib/modules/xnet_2d.py
可能还有同目录下复用 Conv2dBN / DWConv2dBNReLU 的模块

3.2 具体做法

不保留 Conv2dBN 兼容名，直接引入 Conv2dGN。
将 Conv2dBN 的调用点统一替换为 Conv2dGN。
DWConv2dBNReLU 重命名为 DWConv2dGNReLU，并将内部两个 BatchNorm2d 改为 GroupNorm。
保留现有 bn_weight_init 参数语义，但内部作用到 GroupNorm.weight；如有必要，后续可再统一改名为更中性的参数名。

4. GroupNorm 策略

默认采用自动组数选择：

优先尝试 8 组。
若通道数不能被 8 整除，则递减选择能整除的组数。
最差回退到 1 组。

这样可以兼顾：

常见通道数如 8, 16, 24, 32, 64, 128, 192
小通道层与深层大通道层
不额外强制用户手动配组数

5. 保守边界

本轮不做以下改动：

不统一替换 lib/modules/lib_mamba/vmamba.py 中的 norm。
不引入新的 YAML 配置项让用户在 BN/GN 间切换。
不扩展为多种 norm 可配置框架，本轮直接收敛到 GN 命名与实现。

原因是本次目标是优先得到“2D 分割主线稳定、主流、可训练”的默认行为，而不是构建归一化实验框架。

6. 验证目标

需要验证三类证据：

pytest -q tests/test_xnet_2d.py 通过。
最小训练烟测通过，且可在 batch_size=1、64x64 条件下至少跑通 1 个 epoch。
代码搜索确认 layers_2d.py 中主线 2D 卷积归一化已不再使用 BatchNorm2d。

7. 风险与预期

风险：

训练数值行为会和旧 BN 版本不同。
已有历史实验结果与新结果不可直接横向对比。

预期收益：

小 batch 与不固定 batch 更稳。
2D 医学分割主线更符合常见工程实践。
烟测不再受深层 1x1 + BN 统计限制影响。