你有一个三(或四)个浮点数的向量.总结它们的最快方法是什么？
SSE(movaps,shuffle,add,movd)总是比x87快吗？SSE4.2中的水平加法说明值得吗？移动到FPU的成本是多少,然后是faddp,faddp？什么是最快的特定指令序列？
"尝试安排事情,这样你可以一次总结四个向量"将不被接受作为答案.:-)
我正在寻找一种最佳方法来计算 a __m256ior中所有打包的 32 位整数的总和__m512i。为了计算n 个元素的总和，我经常使用log2(n) vpaddd和vpermd函数，然后提取最终结果。但是，这不是我认为的最佳选择。
编辑：在速度/周期减少方面最佳/最佳。