支持稀疏张量分析变换的插桩系统代码

本项目提供一套专为神经网络稀疏分析与变换设计的插桩系统Amanda，旨在支持大规模模型在训练与推理过程中的动态分析与结构优化。系统构建跨语言函数拦截机制，能够在不改动模型源代码的前提下，对PyTorch与TensorFlow等主流框架中的稠密/稀疏算子进行精确插桩，适配graph与eager两种执行模式，确保广泛的模型与平台兼容性。Amanda支持稀疏度测量、稀疏结构注入与调优、性能分析与可解释性路径追踪等任务，具备稳定ID生成与缓存管理能力，显著降低插桩过程中的系统开销并提升分析效率。系统在多个经典神经网络（如ResNet、BERT）上评估，延迟开销低于1%，在保持插桩精度的同时，实现多达72倍的加速效果，适用于稀疏图计算、模型压缩及系统诊断等多种研究与工业场景。