将任意图像增强模型与ultralytics中任意模型进行结合，支持自定义图像增强模块的loss，实现端到端训练

图像增强模型算法版本较多，同时ultralytics库的迭代也比较大，直接将图像增强模型算法添加到ultralytics库中可能只是当前版本支持，在ultralytics库升级后，又需要重新配置。故而分享一种方式进行实现，支持任意图像增强模型与ultralytics库中任务模型（如yolov8，yolov9，yolov10等模型）进行结合。支持模型的训练、验证与导出。

其核心就是，对模型结构进行替换，同时确保调用ultralytics库接口的train函数时模型结构替换依旧有效。
虽然没有对gdip模块进行测试，但确认这种修改方式是支持实现gdip-yolov10的，也支持实现ia-yolov10。

1、保存图像增强模型

如sci++项目，将模型结构带权重保存为pth文件即可，具体参考示意如下所示

from model import Finetunemodel
import torchif __name__ ==<