我需要使用 SIMD/Intel SSE 来优化矩阵乘法。给出的示例代码如下所示：
*x = (float*)memalign(16, size * sizeof(float));
但是，我使用的是 C++，而[found that][1]不是malloc（在执行 SIMD 之前），我应该使用new. 现在，我通过 SIMD/SSE 进一步优化，所以我需要对齐内存，所以问题是：我是否需要memalign/_aligned_malloc或者我的数组是否声明为
static float m1[SIZE][SIZE];
已经对齐了吗？（SIZE是一个整数）
我需要使用 SSE（首选 SSE2）进行简单的 ZeroMemory 实现有人可以帮忙吗？我正在通过 SO 和网络进行搜索，但没有找到直接答案。
什么代码可以利用SIMD指令集的严格定义是什么？有什么可以并行运行计算的东西吗？
所以如果我有：
for(int i=0; i<100; i++){
sum += array[i];
}
这可以利用 SIMD，因为我们可以运行：
for(int i=0; i<100;i=i+4){
sum0 += array[i];
sum1 += array[i+1];
sum2 += array[i+2];
sum3 += array[i+3];
}
sum = sum0 + sum1 + sum2 + sum3;
？
它必须是浮点类型，还是可以是双精度和整数？
我的机器是Core2微架构，我尝试编译一些针对SSE指令集的算术代码。我在网上和官方手册上搜索过，我认为我需要做的就是添加flag-march=native，因为我的芯片支持SSE。
但是当我用来 gcc -march=native -Q --help=target -v检查该标志是否确实有效时，屏幕上显示的结果并不是我所期望的。例如\xef\xbc\x9a
-msse [disabled]\n-msse2 [disabled]\n-msse2avx [disabled]\n-msse3 [disabled]\n-msse4 [disabled]\n-msse4.1 [disabled]\n-msse4.2 [disabled]\n-msse4a [disabled]\n-msse5 \n-msseregparm [disabled]\n-mssse3 [disabled]\n我发现所有 SSE（甚至 MMX）指令都被禁用。\n谁能告诉我原因以及如何解决它？\n非常感谢\xef\xbc\x81
\n我是 SIMD 编程的初学者。我想按如下方式处理我的数据：
考虑我有 4 个 simd 变量 ( __m128i)，其数据如下：
__m128i a = {a1, a2, a3, a4}
__m128i b = {b1, b2, b3, b4}
__m128i c = {c1, c2, c3, c4}
__m128i d = {d1, d2, d3, d4}
现在我想按如下方式初始化 Xi：
__m128i x1 = {a1, b1, c1, d1}
__m128i x2 = {a2, b2, c2, d2}
__m128i x3 = {a3, b3, c3, d3}
__m128i x4 = {a4, b4, c4, d4}
有人可以建议我如何有效地做到这一点吗？
如您所知，SIMD SSE 中有以下移位指令：PSLL(WDQ) 和PSRL(WDQ)
没有PSLLB指令，那么我们如何移位 8 位值（单字节）的向量呢？
让我们首先包括以下内容：
#include <vector>
#include <random>
using namespace std;
现在，假设一个人有以下三个std:vector<float>：
N = 1048576;
vector<float> a(N);
vector<float> b(N);
vector<float> c(N);
default_random_engine randomGenerator(time(0));
uniform_real_distribution<float> diceroll(0.0f, 1.0f);
for(int i-0; i<N; i++)
{
a[i] = diceroll(randomGenerator);
b[i] = diceroll(randomGenerator);
}
现在，假设需要按a元素b求和并将结果存储在 中c，其标量形式如下所示：
for(int i=0; i<N; i++)
{
c[i] = a[i] + b[i];
}
上述代码的 SSE2 矢量化版本是什么，请记住输入是a和b如上面定义的（即作为 的集合float）并且输出是c（也是 的集合float）？
经过大量研究后，我得出以下结论：
for(int i=0; i<N; i+=4)
{
float a_toload[4] = …编辑：正如 Cody Gray 在他的评论中指出的那样，禁用优化的分析完全是浪费时间。那么我应该如何进行这个测试呢？
微软在其XMVectorZero情况下定义了_XM_SSE_INTRINSICS_使用_mm_setzero_ps和{0.0f,0.0f,0.0f,0.0f}不使用。我决定看看胜利有多大。因此，我在 Release x86 中使用了以下程序，并将配置属性>C/C++>优化>优化设置为Disabled (/Od)。
constexpr __int64 loops = 1e9;
inline void fooSSE() {
for (__int64 i = 0; i < loops; ++i) {
XMVECTOR zero1 = _mm_setzero_ps();
//XMVECTOR zero2 = _mm_setzero_ps();
//XMVECTOR zero3 = _mm_setzero_ps();
//XMVECTOR zero4 = _mm_setzero_ps();
}
}
inline void fooNoIntrinsic() {
for (__int64 i = 0; i < loops; ++i) {
XMVECTOR zero1 = { 0.f,0.f,0.f,0.f };
//XMVECTOR zero2 …我是 AVX 内在函数（以及一般的 AVX）的新手，我正在尝试加速一些使用由 32 个无符号字符组成的 256 位查找表的代码。目前代码（带有虚拟数据）是这样写的：
unsigned char lookup_table[32] = { 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 };
unsigned char result[8];
unsigned char indices[8] = { 0, 4, 8, 12, 16, 20, 24, 28};
for(int i = 0; i < 8; i++)
{
result[i] = lookup_table[indices[i]];
}
效果很好，结果如下被放入“结果”中：
0, 4, 8, 12, …我对 SSE 编程完全陌生，但拥有 Intel Core i7 处理器。
基本上，我想一次取 4 个 32 位无符号整数并将它们全部立方（求 3 次方）。据我了解，SSE 及其后续产品的 SIMD 功能使这成为可能，但我到底该如何去做呢？最好用 C 语言，但如果需要的话我可以管理汇编。
编辑以明确我的最终目标：
然后，我想将所有立方体加在一起得出一个数字。
背景：我只是想使用 SSE 来优化确定一个数字是否是阿姆斯特朗数字（一个三位数，其每个数字的立方之和与数字本身相同）。一个例子是153。除了暴力之外似乎没有其他办法可以做到这一点。这些是自恋数字的子集，其所有数字的总和乘以十进制数字的长度次方等于数字本身。希望我最终能将其扩展得更加灵活，一开始我只是做阿姆斯特朗的数字。正如您可能想象的那样，这个问题出现在另一个网站上，我们中的一些人正在尝试对其进行优化。通过采纳你的想法和我自己的研究，我想出了这个代码：
#include <stdio.h>
#include <smmintrin.h> // SSE 4.1
__m128i vcube(const __m128i v)
{
return _mm_mullo_epi32(v, _mm_mullo_epi32(v, v));
}
int main(int argc, const char * argv[]) {
for (unsigned int i = 1; i <= 500; i++) {
unsigned int firstDigit = i / 100;
unsigned int secondDigit = (i - firstDigit * 100) / 10;
unsigned int …