深入探讨用位掩码代替分支（8）：SSE指令集速度测试

　　在上一篇测试了MMX指令集，这次我们来测试SSE指令集。说的更精确一点，是测试SSE2指令集。
　　本篇致力于解决以下问题——
1.SSE/SSE2指令集是什么？
2.如何阅读Intel/AMD的手册？
3.如何运用SSE指令集？如何将MMX代码升级为SSE代码。
4.如何在VC++6.0这样的高级语言编译器中使用SSE指令集？

一、简介

　　1999 年 Intel 推出了第 1 代的 SSE（Streaming SIMD Extensions）指令以回击 AMD 的 3DNow! 指令，使用在 Pentium III 处理器上。随后 AMD 在 2001 年 10 月 发布 的 Athlon XP 处理器上首次加入了 SSE 指令集。
　　2001 年 Intel 推出第 2 个版本的 SSE 指令，使用在 Pentium 4 处理器上，AMD 在 2003 年推出的 Athlon 64 和 Opteron 处理器上加入对 SSE2 指令的支持。
　　SSE有很多后续版本，详见——
http://www.cnblogs.com/zyl910/archive/2012/02/26/x86_simd_table.html
[x86]SIMD指令集发展历程表（MMX、SSE、AVX等）

1.1 概述

　　SSE技术对x86体系的编程环境的扩展是——
1.8个128位的SSE寄存器（xmm0~xmm7）。 // 64位环境下增加到16个寄存器（xmm0~xmm15）。
2.SSE数据类型（紧缩单精度浮点）。而在SSE2中，又增加了整数和双精度浮点类型。
3.SSE指令系统。

1.2 SSE寄存器

　　SSE寄存器集是由8个128位寄存器组成，见下图。SSE指令使用寄存器名xmm0~xmm7直接访问SSE寄存器。

　　还有一个新的控制/状态寄存器MXCSR，用于屏蔽/开放数值异常处理、设置舍入方式、设置清零方式和观察状态标志。
　　与之前的MMX或3DNow!不同，这些寄存器并不是原来己有的寄存器（MMX和3DNow!均是使用x87浮点数寄存器），所以不需要像MMX或3DNow!一样，要使用x87指令之前，需要利用一个EMMS指令来清除寄存器的状态。因此，不像MMX或3DNow!指令，SSE运算指令，可以很自由地和x87浮点指令，或是MMX指令共用。

　　2003年，AMD发表的x86-64 延伸架构，为SSE技术增加了8个寄存器，共16个寄存器（xmm0~xmm15）。

（Figure 4-1. SSE Registers。出自AMD手册 Vol.1 112）

1.3 SSE数据类型

　　SSE技术定义了以下数据类型——
1.128位紧缩单精度浮点（128-Bit Packed Single-Precision Floating-Point）：4个单精度浮点（single）紧缩成一个128位。

（Figure 10-4. 128-Bit Packed Single-Precision Floating-Point Data Type。出自Intel手册 Vol.1 10-8）

　　而在SSE2中，又定义了以下5种数据类型——
1.128位紧缩双精度浮点（128-Bit Packed Double-Precision Floating-Point）：2个双精度浮点（double）紧缩成一个128位。
2.128位紧缩字节（128-Bit Packed Byte Integers）：16个字节（byte）紧缩成一个128位。
3.128位紧缩字（128-Bit Packed Word Integers）：8个字（word）紧缩成一个128位。
4.128位紧缩双字（128-Bit Packed Doubleword Integers）：4个双字（doubleword）紧缩成一个128位。
5.128位紧缩四字（128-Bit Packed Quadword Integers）：2个四字（quadword）紧缩成一个128位。

（Figure 11-2. Data Types Introduced with the SSE2 Extensions。出自Intel手册 Vol.1 11-5）

　　因为“将64位像素转为32位像素”这项工作需要字节（byte）和字（word），所以只有SSE2能满足需求。

二、指令解读

　　对于PACKUSWB指令来说，操作数不仅可以是MMX寄存器（出自MMX指令集），也可以是SSE寄存器（出自SSE2指令集），甚至可以是AVX寄存器（出自AVX指令集。本文不讨AVX指令集）。虽然实际的机器码有所不同。
　　对于这一点，Intel手册的编排方案是——以指令名为准，然后再在那一节内分别介绍不同寄存器的效果。
　　而AMD的手册不一样，它按寄存器长度分成两个文档——
1.SSE、AVS指令在第4卷中（AMD64 Architecture Programmer's Manual Volume 4: 128-bit and 256 bit media instructions）。
2.MMX、3DNow!、浮点指令在第5卷中（AMD64 Architecture Programmer's Manual Volume 5: 64-Bit Media and x87 Floating-Point Instructions）。

2.1 Intel手册原文

　　略。与前一篇（http://www.cnblogs.com/zyl910/archive/2012/04/09/noifopex7.html）的“2.1 Intel手册对PACKUSWB指令的说明”相同。

　　PS：SSE编程指南见“Volume 1: Basic Architecture”的“Chapter 10 Programming with Streaming SIMD Extensions (SSE)”和“Chapter 11 Programming with Streaming SIMD Extensions 2 (SSE2)”。不属于本文范畴，读者可自行翻阅。

2.2 AMD手册原文

　　找到AMD手册的第4卷（AMD64 Architecture Programmer's Manual Volume 4: 128-bit and 256 bit media instructions）。如果没有的话，请在官网下载——
http://developer.amd.com/documentation/guides/Pages/default.aspx#manuals

　　打开第4卷（26568_APM_v4.pdf）。在左侧的书签树中依次展开“2 Instruction Reference”，然后拖动滚动条找到“PACKUSWB”——

图4

　　AMD手册对PACKUSWB指令的说明有两页，上图（图4）是第一页的内容。第二页内容不属于本文范畴，故不贴图，读者可自行翻阅。

　　PS：SSE编程指南见“Volume 1: Application Programming”的“4 Streaming SIMD Extensions Media and Scientific Programming”。不属于本文范畴，读者可自行翻阅。

2.3 手册解读

　　首先看Intel手册，图1最上面的那个方框内，列出了PACKUSWB指令在不同环境下（MMX、SSE、AVX）的效果。

　　本篇只关心SSE指令集。此时该指令的格式为“PACKUSWB xmm1, xmm2/m128”，描述信息为“Converts 8 signed word integers from xmm1 and 8 signed word integers from xmm2/m128 into 16 unsigned byte integers in xmm1 using unsigned saturation.”。

　　而在AMD手册（图4）中，对该指令的描述是“Converts 16-bit signed integers in xmm1 and xmm2 or mem128 into 8-bit signed integers with saturation. Writes packed results to xmm1.”。

　　在Intel手册PACKUSWB指令的第二页（图2）中，有解释该指令功能的伪代码——

PACKUSWB (with 128-bit operands)DEST[7:0]← SaturateSignedWordToUnsignedByte (DEST[15:0]);DEST[15:8] ← SaturateSignedWordToUnsignedByte (DEST[31:16]);DEST[23:16] ← SaturateSignedWordToUnsignedByte (DEST[47:32]);DEST[31:24] ← SaturateSignedWordToUnsignedByte (DEST[63:48]);DEST[39:32] ← SaturateSignedWordToUnsignedByte (DEST[79:64]);DEST[47:40] ← SaturateSignedWordToUnsignedByte (DEST[95:80]);DEST[55:48] ← SaturateSignedWordToUnsignedByte (DEST[111:96]);DEST[63:56] ← SaturateSignedWordToUnsignedByte (DEST[127:112]);DEST[71:64] ← SaturateSignedWordToUnsignedByte (SRC[15:0]);DEST[79:72] ← SaturateSignedWordToUnsignedByte (SRC[31:16]);DEST[87:80] ← SaturateSignedWordToUnsignedByte (SRC[47:32]);DEST[95:88] ← SaturateSignedWordToUnsignedByte (SRC[63:48]);DEST[103:96] ← SaturateSignedWordToUnsignedByte (SRC[79:64]);DEST[111:104] ← SaturateSignedWordToUnsignedByte (SRC[95:80]);DEST[119:112] ← SaturateSignedWordToUnsignedByte (SRC[111:96]);DEST[127:120] ← SaturateSignedWordToUnsignedByte (SRC[127:112]);

　　该伪代码的大致含义为——将DEST中的 每16位的带符号整数 饱和转换为 8位的无符号整数，放到返回值（DEST）的低64位；将SRC中的每16位的整数 饱和转换为 8位的整数，放到返回值的高64位。
注：x86指令的2操作数指令一般是——第1个参数是DEST，第2个参数是SRC。即参数格式为“PACKUSWB DEST, SRC”。

2.4 画图解释

　　用文字或伪代码来解释MMX指令都不太直观，用图片就直观多了。

　　这一次AMD的手册没有配图。

　　因此，我画了一张图片，更能清晰表示SSE2模式下PACKUSWB指令的功能——

　　该图的风格与第7篇（http://www.cnblogs.com/zyl910/archive/2012/04/09/noifopex7.html）的图片类似，左侧是内存中的源数据，右侧是运算结果，中间是SSE寄存器，箭头代表运算过程。该图 绘有三种操作——
1.加载（红色箭头）。将内存中的源数据（源缓冲区）加载到SSE寄存器。因为SSE寄存器是128位（16字节）的，所以该环节共加载了32字节数据，分别加载到2个SSE寄存器中（PACKUSWB需要两个操作数）。
2.运算（绿色将头）。这里就是PACKUSWB指令的功能，将 每个16位的带符号整数 饱和转换为 8位的无符号整数。
3.存储（蓝色箭头）。将SSE寄存器中的运算结果 存储到内存（目标缓冲区）。

三、如何在VC中使用MMX指令集？

　　对于Visual C++ 6.0来说，依次打上SP5、PP5补丁后，就能支持MMX、SSE、SSE2这三套指令集。它们的下载地址是——
SP5（Visual Studio 6.0 Service Pack 5）：http://www.microsoft.com/download/en/details.aspx?id=2618
PP5（Visual C++ 6.0 Processor Pack）：http://msdn.microsoft.com/en-us/library/aa718349.aspx

　　对于更高版本Visual Studio，它们内置了对MMX指令集的支持，不需要安装补丁。详见——
http://www.cnblogs.com/zyl910/archive/2012/02/28/vs_intrin_table.html
Intrinsics头文件与SIMD指令集、Visual Studio版本对应表

3.1 使用内嵌汇编

　　在VC中，最直接的办法就是使用内嵌汇编，即利用“_asm”关键字直接写汇编语句。
　　例如下面那段代码，先尝试执行cpuid指令检查CPU特性，再尝试执行xorps指令测试系统中是否能运行SSE指令——

// 检测SSE系列指令集的支持级别intsimd_sse_level(){const DWORDBIT_D_SSE = 0x02000000;// bit 25const DWORDBIT_D_SSE2 = 0x04000000;// bit 26const DWORDBIT_C_SSE3 = 0x00000001;// bit 0const DWORDBIT_C_SSSE3 = 0x00000100;// bit 9const DWORDBIT_C_SSE41 = 0x00080000;// bit 19const DWORDBIT_C_SSE42 = 0x00100000;// bit 20BYTErt = SIMD_SSE_NONE;// resultDWORDv_edx;DWORDv_ecx;// check processor support__try {_asm {mov eax, 1cpuidmov v_edx, edxmov v_ecx, ecx}}__except (EXCEPTION_EXECUTE_HANDLER){return SIMD_SSE_NONE;}if ( v_edx & BIT_D_SSE ){rt = SIMD_SSE_1;if ( v_edx & BIT_D_SSE2 ){rt = SIMD_SSE_2;if ( v_ecx & BIT_C_SSE3 ){rt = SIMD_SSE_3;if ( v_ecx & BIT_C_SSSE3 ){rt = SIMD_SSE_3S;if ( v_ecx & BIT_C_SSE41 ){rt = SIMD_SSE_41;if ( v_ecx & BIT_C_SSE42 ){rt = SIMD_SSE_42;}}}}}}// check OS support__try {_asm{xorps xmm0, xmm0// executing any SSE instruction}}__except (EXCEPTION_EXECUTE_HANDLER){return SIMD_SSE_NONE;}return rt;}

http://www.cnblogs.com/zyl910/archive/2012/03/01/checksimd.html
[VC6] 检查MMX和SSE系列指令集的支持级别（最高SSE4.2）

3.2 使用Intrinsics函数

　　SSE指令也有对应的Intrinsics函数。
　　在MSDN中可以找到SSE/SSE2的Intrinsics函数帮助：http://msdn.microsoft.com/en-us/library/y0dh78ez(v=vs.110).aspx。具体的目录层次是——
MSDN Library
Development Tools and Languages
Visual Studio 11 Beta
Visual C++  Reference
C/C++ Languages
Compiler Intrinsics
MMX, SSE, and SSE2 Intrinsics

　　SSE/SSE2的Intrinsics函数的应用方法，推荐Alex Farber的《Introduction to SSE Programming》——
http://www.codeproject.com/Articles/4522/Introduction-to-SSE-Programming
Introduction to SSE Programming

　　中文翻译版见——
http://dev.gameres.com/Program/Other/sseintro.htm
基于SSE指令集的程序设计简介

四、实际应用

　　现在我们想使用PACKUSWB指令，怎么知道该指令对应的Intrinsics函数呢？
　　最简单的办法就是查阅Intel手册。在Intel手册PACKUSWB指令的第三页（图3），列出Intrinsic函数的名称——

Intel C/C++ Compiler Intrinsic EquivalentPACKUSWB: __m64 _mm_packs_pu16(__m64 m1, __m64 m2)PACKUSWB: __m128i _mm_packus_epi16(__m128i m1, __m128i m2)

　　因现在是探讨SSE指令集，所以应该选用_mm_packus_epi16函数。

　　现在万事具备，可以完成SSE版的“将64位像素转为32位像素”函数了——

// 饱和处理SSE版void f5_sse(BYTE* pbufD, const signed short* pbufS, int cnt){//const signed short* pS = pbufS;//BYTE* pD = pbufD;const __m128i* pS = (const __m128i*)pbufS;__m128i* pD = (__m128i*)pbufD;int i;for(i=0; i<cnt; i+=4){// 同时对四个像素做饱和处理。即 将四个64位像素（4通道，每分量为带符号16位） 转为 四个32位像素（每分量为无符号8位）。pD[0] = _mm_packus_epi16(pS[0], pS[1]);// 饱和方式数据打包（带符号16位->无符号8位）。等价于 for(i=0;i<8;++i){ pD[0].uB[i]=SU(pS[0].iW[i]); r.uB[8+i]=SU(pS[1].iW[i]); }// nextpS += 2;pD += 1;}}

　　因SSE2版PACKUSWB指令（_mm_packus_epi16）的功能，现在的内循环变得十分简单，一次就能处理4个像素。所以每次循环时“i+=4”。

　　注意这里将pbufS、pbufD这两个指针均设定为__m128i指针类型。所以“pD += 1”实际上将指针地址前移了16个字节，而“pS += 2”将指针地址前移了32个字节。

五、全部代码

　　全部代码——

// MMX, SSE, SSE2#include <emmintrin.h>// 用位掩码做饱和处理.用求负生成掩码#define LIMITSU_FAST(n, bits) ( (n) & -((n) >= 0) | -((n) >= (1<<(bits))) )#define LIMITSU_SAFE(n, bits) ( (LIMITSU_FAST(n, bits)) & ((1<<(bits)) - 1) )#define LIMITSU_BYTE(n) ((BYTE)(LIMITSU_FAST(n, 8)))// 用位掩码做饱和处理.用带符号右移生成掩码#define LIMITSW_FAST(n, bits) ( ( (n) | ((signed short)((1<<(bits)) - 1 - (n)) >> 15) ) & ~((signed short)(n) >> 15) )#define LIMITSW_SAFE(n, bits) ( (LIMITSW_FAST(n, bits)) & ((1<<(bits)) - 1) )#define LIMITSW_BYTE(n) ((BYTE)(LIMITSW_FAST(n, 8)))// 数据规模#define DATASIZE16384// 128KB / (sizeof(signed short) * 4)// 缓冲区。SSE需要按128位对齐__declspec(align(16)) signed shortbufS[DATASIZE*4];// 源缓冲区。64位的颜色（4通道，每通道16位）__declspec(align(16)) BYTEbufD[DATASIZE*4];// 目标缓冲区。32位的颜色（4通道，每通道8位）// 测试时的函数类型typedef void (*TESTPROC)(BYTE* pbufD, const signed short* pbufS, int cnt);// http://www.cnblogs.com/zyl910/archive/2012/03/01/checksimd.html// SSE系列指令集的支持级别. simd_sse_level 函数的返回值。#define SIMD_SSE_NONE0// 不支持#define SIMD_SSE_11// SSE#define SIMD_SSE_22// SSE2#define SIMD_SSE_33// SSE3#define SIMD_SSE_3S4// SSSE3#define SIMD_SSE_415// SSE4.1#define SIMD_SSE_426// SSE4.2const char*simd_sse_names[] = {"None","SSE","SSE2","SSE3","SSSE3","SSE4.1","SSE4.2",};// 是否支持MMX指令集BOOLsimd_mmx(){const DWORDBIT_DX_MMX = 0x00800000;// bit 23DWORDv_edx;// check processor support__try {_asm {mov eax, 1cpuidmov v_edx, edx}}__except (EXCEPTION_EXECUTE_HANDLER){return FALSE;}if ( v_edx & BIT_DX_MMX ){// check OS support__try {_asm{pxor mm0, mm0// executing any MMX instructionemms}return TRUE;}__except (EXCEPTION_EXECUTE_HANDLER){}}return FALSE;}// 检测SSE系列指令集的支持级别intsimd_sse_level(){const DWORDBIT_D_SSE = 0x02000000;// bit 25const DWORDBIT_D_SSE2 = 0x04000000;// bit 26const DWORDBIT_C_SSE3 = 0x00000001;// bit 0const DWORDBIT_C_SSSE3 = 0x00000100;// bit 9const DWORDBIT_C_SSE41 = 0x00080000;// bit 19const DWORDBIT_C_SSE42 = 0x00100000;// bit 20BYTErt = SIMD_SSE_NONE;// resultDWORDv_edx;DWORDv_ecx;// check processor support__try {_asm {mov eax, 1cpuidmov v_edx, edxmov v_ecx, ecx}}__except (EXCEPTION_EXECUTE_HANDLER){return SIMD_SSE_NONE;}if ( v_edx & BIT_D_SSE ){rt = SIMD_SSE_1;if ( v_edx & BIT_D_SSE2 ){rt = SIMD_SSE_2;if ( v_ecx & BIT_C_SSE3 ){rt = SIMD_SSE_3;if ( v_ecx & BIT_C_SSSE3 ){rt = SIMD_SSE_3S;if ( v_ecx & BIT_C_SSE41 ){rt = SIMD_SSE_41;if ( v_ecx & BIT_C_SSE42 ){rt = SIMD_SSE_42;}}}}}}// check OS support__try {_asm{xorps xmm0, xmm0// executing any SSE instruction}}__except (EXCEPTION_EXECUTE_HANDLER){return SIMD_SSE_NONE;}return rt;}// 用if分支做饱和处理void f0_if(BYTE* pbufD, const signed short* pbufS, int cnt){const signed short* pS = pbufS;BYTE* pD = pbufD;int i;for(i=0; i<cnt; ++i){// 分别对4个通道做饱和处理pD[0] = (pS[0]<0) ? 0 : ( (pS[0]>255) ? 255 : (BYTE)pS[0] );pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );pD[2] = (pS[2]<0) ? 0 : ( (pS[2]>255) ? 255 : (BYTE)pS[2] );pD[3] = (pS[3]<0) ? 0 : ( (pS[3]>255) ? 255 : (BYTE)pS[3] );// nextpS += 4;pD += 4;}}// 用min、max饱和处理void f1_min(BYTE* pbufD, const signed short* pbufS, int cnt){const signed short* pS = pbufS;BYTE* pD = pbufD;int i;for(i=0; i<cnt; ++i){// 分别对4个通道做饱和处理pD[0] = min(max(0, pS[0]), 255);pD[1] = min(max(0, pS[1]), 255);pD[2] = min(max(0, pS[2]), 255);pD[3] = min(max(0, pS[3]), 255);// nextpS += 4;pD += 4;}}// 用位掩码做饱和处理.用求负生成掩码void f2_neg(BYTE* pbufD, const signed short* pbufS, int cnt){const signed short* pS = pbufS;BYTE* pD = pbufD;int i;for(i=0; i<cnt; ++i){// 分别对4个通道做饱和处理pD[0] = LIMITSU_BYTE(pS[0]);pD[1] = LIMITSU_BYTE(pS[1]);pD[2] = LIMITSU_BYTE(pS[2]);pD[3] = LIMITSU_BYTE(pS[3]);// nextpS += 4;pD += 4;}}// 用位掩码做饱和处理.用带符号右移生成掩码void f3_sar(BYTE* pbufD, const signed short* pbufS, int cnt){const signed short* pS = pbufS;BYTE* pD = pbufD;int i;for(i=0; i<cnt; ++i){// 分别对4个通道做饱和处理pD[0] = LIMITSW_BYTE(pS[0]);pD[1] = LIMITSW_BYTE(pS[1]);pD[2] = LIMITSW_BYTE(pS[2]);pD[3] = LIMITSW_BYTE(pS[3]);// nextpS += 4;pD += 4;}}// 饱和处理MMX版void f4_mmx(BYTE* pbufD, const signed short* pbufS, int cnt){//const signed short* pS = pbufS;//BYTE* pD = pbufD;const __m64* pS = (const __m64*)pbufS;__m64* pD = (__m64*)pbufD;int i;for(i=0; i<cnt; i+=2){// 同时对两个像素做饱和处理。即 将两个64位像素（4通道，每分量为带符号16位） 转为 两个32位像素（每分量为无符号8位）。pD[0] = _mm_packs_pu16(pS[0], pS[1]);// 饱和方式数据打包（带符号16位->无符号8位）。等价于 for(i=0;i<4;++i){ pD[0].uB[i]=SU(pS[0].iW[i]); pD[0].uB[4+i]=SU(pS[1].iW[i]); }// nextpS += 2;pD += 1;}// MMX状态置空_mm_empty();}// 饱和处理SSE版void f5_sse(BYTE* pbufD, const signed short* pbufS, int cnt){//const signed short* pS = pbufS;//BYTE* pD = pbufD;const __m128i* pS = (const __m128i*)pbufS;__m128i* pD = (__m128i*)pbufD;int i;for(i=0; i<cnt; i+=4){// 同时对四个像素做饱和处理。即 将四个64位像素（4通道，每分量为带符号16位） 转为 四个32位像素（每分量为无符号8位）。pD[0] = _mm_packus_epi16(pS[0], pS[1]);// 饱和方式数据打包（带符号16位->无符号8位）。等价于 for(i=0;i<8;++i){ pD[0].uB[i]=SU(pS[0].iW[i]); r.uB[8+i]=SU(pS[1].iW[i]); }// nextpS += 2;pD += 1;}}// 进行测试void runTest(char* szname, TESTPROC proc){const int nLoop = 16;// 使用MMX/SSE指令时速度太快了，只好再多循环几次int i,j,k;DWORDtm0, tm1;// 存储时间for(i=1; i<=3; ++i)// 多次测试{//tm0 = GetTickCount();tm0 = timeGetTime();// mainfor(k=1; k<=nLoop; ++k){for(j=1; j<=4000; ++j)// 重复运算几次延长时间，避免计时精度问题{proc(bufD, bufS, DATASIZE);}}// show//tm1 = GetTickCount() - tm0;tm1 = timeGetTime() - tm0;printf("%s[%d]:\t%.1f\n", szname, i, (double)tm1/nLoop);// check//if (1==i)//{//// 检查结果//for(j=0; j<=16; ++j)//printf("[%d]:\t%d\t%u\n", j, bufS[j], bufD[j]);//}}}int main(int argc, char* argv[]){int i;// 循环变量//printf("Hello World!\n");printf("== noif:VC6 SIMD ==");// 初始化srand( (unsigned)time( NULL ) );for(i=0; i<DATASIZE*4; ++i){bufS[i] = (signed short)((rand()&0x1FF) - 128);// 使数值在 [-128, 383] 区间}// 准备开始。可以将将进程优先级设为实时if (argc<=1){printf("<Press any key to continue>");getch();printf("\n");}// 进行测试//runTest("f0_if", f0_if);//runTest("f1_min", f1_min);//runTest("f2_neg", f2_neg);//runTest("f3_sar", f3_sar);if (simd_mmx())runTest("f4_mmx", f4_mmx);if (simd_sse_level()>=SIMD_SSE_2)runTest("f5_sse", f5_sse);// 结束前提示if (argc<=1){printf("<Press any key to exit>");getch();printf("\n");}return 0;}

　　注意——
1.SSE需要按128位对齐。于是bufS、bufD的声明中增加了“__declspec(align(16))”。
2.在调用测试函数时，需要先检查是否支持相应的指令集——

if (simd_mmx())runTest("f4_mmx", f4_mmx);if (simd_sse_level()>=SIMD_SSE_2)runTest("f5_sse", f5_sse);

六、测试结果

　　在32位winXP上的测试结果——

== noif:VC6 SIMD ==<Press any key to continue>f4_mmx[1]:      37.5f4_mmx[2]:      37.3f4_mmx[3]:      38.9f5_sse[1]:      25.6f5_sse[2]:      26.1f5_sse[3]:      25.7

　　在64位win7上的测试结果——

== noif:VC6 SIMD ==<Press any key to continue>f4_mmx[1]:      37.1f4_mmx[2]:      37.1f4_mmx[3]:      36.1f5_sse[1]:      25.4f5_sse[2]:      24.4f5_sse[3]:      25.3

　　硬件环境——
CPU：Intel Core i3-2310M, 2100 MHz
内存：DDR3-1066

 

参考文献
~~~~~~~~

《Intel® 64 and IA-32 Architectures Software Developer’s Manual Volume 2 (2A, 2B & 2C): Instruction Set Reference, A-Z》. December 2011.http://www.intel.com/content/www/us/en/architecture-and-technology/64-ia-32-architectures-software-developer-instruction-set-reference-manual-325383.html
《AMD64 Architecture Programmer's Manual Volume 4: 128-bit and 256 bit media instructions》. December 2011.http://support.amd.com/us/Processor_TechDocs/26568_APM_v4.pdf
《Pentium Ⅱ/Ⅲ体系结构及扩展技术》。刘清森、马鸣锦、吴灏等著。国防工业出版社，2000年7月。
《Introduction to SSE Programming》。Alex Farber 著。http://www.codeproject.com/Articles/4522/Introduction-to-SSE-Programming
《基于SSE指令集的程序设计简介》（Introduction to SSE Programming）。？译。http://dev.gameres.com/Program/Other/sseintro.htm
《Pentium III处理器的SSE入门》。Bipin Patwardhan著，foenix译。http://www.vckbase.com/document/viewdoc/?id=322
《在C/C++代码中使用SSE等指令集的指令(1)介绍》。gengshenghong著。http://blog.csdn.net/gengshenghong/article/details/7007100
《x86 指令集发展历程》。mik著。http://www.mouseos.com/x64/SIMD/x86_ISA.html

源码下载——
http://files.cnblogs.com/zyl910/noifVC6s.rar
（建议阅读编译器生成的汇编代码，位于Release\noifVC6s.asm）