fix: Values to run ipynb correctly

[DanielGaletti]

# Summary

Corrige erros que impediam a execução do notebook flim.ipynb no fluxo de treino e inferência.
Ajusta o pipeline de seleção/uso de labels para evitar falhas de conversão de numpy array para escalar (TypeError em model.fit).
Corrige a chamada de forward em run e o tratamento de decoder_layer=-1, além de corrigir retorno no decoder adaptativo para manter consistência de tipo (Tensor).

# What changed

pyflim/flim.py
Normalização robusta de índices/labels para escalar inteiro ao montar kernel_labels e selected_kernels_labels.
select_patches agora retorna índices planos (np.flatnonzero) em vez de arrays de shape (n,1).
run passa os argumentos corretos para forward.
forward trata decoder_layer is None ou decoder_layer == -1 como última camada da arquitetura.
pyflim/layers.py
vanilla_adaptive_decoder passa a retornar y*255 diretamente (evita torch.from_numpy em objeto já Tensor).

# Why

Esses ajustes removem falhas que quebravam o fluxo padrão do notebook:

• TypeError: only 0-dimensional arrays can be converted to Python scalars durante model.fit(dataset).
• TypeError por número de argumentos na chamada de forward dentro de model.run(...).
• Erro de tipo no decoder (expected np.ndarray (got Tensor)).
• Test plan
• Criar dataset de treino por batch com DataLoader (mesmo padrão do notebook).
• Executar model.fit(dataset) sem erros.
• Executar model.run(dataset, "out/") sem erros.
• Verificar que a pasta out/ é gerada e o forward pass conclui normalmente.

# Impact

• Compatibilidade preservada com o fluxo atual.
• Correções focadas em robustez de tipos e assinatura de métodos, sem alterar a lógica principal de treinamento/decodificação.