在 C++ 中使用 SSE 将两个 32 位整数向量相乘的最快方法

我有两个无符号向量，大小均为 4

vector<unsigned> v1 = {2, 4, 6, 8}
vector<unsigned> v2 = {1, 10, 11, 13}

现在我想将这两个向量相乘并得到一个新向量

vector<unsigned> v_result = {2*1, 4*10, 6*11, 8*13}

SSE操作要使用什么？是跨平台还是仅 在某些特定平台上？

添加： 如果我的目标是加法而不是乘法，我可以超级快地做到这一点：

__m128i a = _mm_set_epi32(1,2,3,4);
__m128i b = _mm_set_epi32(1,2,3,4);
__m128i c;
c = _mm_add_epi32(a,b);

使用集合内在函数，例如_mm_set_epi32对于所有元素来说都是低效的。最好使用加载内在函数。有关更多信息，请参阅此讨论SSE指令优于普通指令的地方 https://stackoverflow.com/questions/10313397/where-does-the-sse-instructions-outperform-normal-instructions。如果数组是 16 字节对齐的，您可以使用_mm_load_si128 or _mm_loadu_si128（对于对齐的内存，它们具有几乎相同的效率）否则使用_mm_loadu_si128。但对齐内存的效率要高得多。为了获得对齐的内存，我建议_mm_malloc and _mm_free，或C11aligned_alloc所以你可以使用正常的free.

为了回答您的其余问题，我们假设您已将两个向量加载到 SSE 寄存器中__m128i a and __m128i b

对于SSE版本>=SSE4.1使用

_mm_mullo_epi32(a, b);

没有SSE4.1：

此代码复制自 Agner Fog 的矢量类库 http://www.agner.org/optimize/#vectorclass（被本答案原作者抄袭）：

// Vec4i operator * (Vec4i const & a, Vec4i const & b) {
// #ifdef
__m128i a13    = _mm_shuffle_epi32(a, 0xF5);          // (-,a3,-,a1)
__m128i b13    = _mm_shuffle_epi32(b, 0xF5);          // (-,b3,-,b1)
__m128i prod02 = _mm_mul_epu32(a, b);                 // (-,a2*b2,-,a0*b0)
__m128i prod13 = _mm_mul_epu32(a13, b13);             // (-,a3*b3,-,a1*b1)
__m128i prod01 = _mm_unpacklo_epi32(prod02,prod13);   // (-,-,a1*b1,a0*b0) 
__m128i prod23 = _mm_unpackhi_epi32(prod02,prod13);   // (-,-,a3*b3,a2*b2) 
__m128i prod   = _mm_unpacklo_epi64(prod01,prod23);   // (ab3,ab2,ab1,ab0)