论文
CoX-MoE以CPU与GPU协同执行缓解专家卸载开销
CoX-MoE: Coalesced Expert Execution for High-Throughput MoE Inference with AMX-Enabled CPU-GPU Co-Execution
摘要
MoE完整权重占用较大,专家卸载会受到PCIe传输与碎片化小批次计算的影响。CoX-MoE采用CPU与GPU协同执行,利用CPU的AMX能力,并以普通批次合并专家计算,提高硬件利用率。 系统依据专家使用频率预先划分GPU与CPU执行位置,并按阶段选择性卸载注意力计算。论文与FlexGen、MoE-Lightning比较端到端吞吐,收益来自具体CPU、GPU、批次与模型配置。其核心是执行安排与数据搬运优化,不是用缓存目标替换原模型的专家选择。
