好吧，在Intel 的内在指南中指出，名为“sqrtsd”的指令的延迟为 18 个周期。
我用自己的程序对其进行了测试，例如，如果我们将 0.15 作为输入，则它是正确的。但是当我们取 256（或任何 2^x）个数字时，延迟只有 13。这是为什么呢？
我的一个理论是，由于 13 是“sqrtss”的延迟，它与“sqrtsd”相同，但在 32 位浮点上完成，那么也许处理器足够聪明，可以理解 256 可以适应 32 位，因此使用该版本而 0.15 需要完整的 64 位，因为它不能以有限的方式表示。
我正在使用内联汇编来完成它，这是使用 gcc -O3 和 -fno-tree-vectorize 编译的相关部分。
static double sqrtsd (double x) {
double r;
__asm__ ("sqrtsd %1, %0" : "=x" (r) : "x" (x));
return r;
}