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MMX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 int simd_sse_level() { const DWORD BIT_D_SSE = 0x02000000; // bit 25 const DWORD BIT_D_SSE2 = 0x04000000; // bit 26 const DWORD BIT_C_SSE3 = 0x00000001; // bit 0 const DWORD BIT_C_SSSE3 = 0x00000100; // bit 9 const DWORD BIT_C_SSE41 = 0x00080000; // bit 19 const DWORD BIT_C_SSE42 = 0x00100000; // bit 20 BYTE rt = SIMD_SSE_NONE; // result DWORD v_edx; DWORD v_ecx; // check processor support __try { _asm { mov eax, 1 cpuid mov v_edx, edx mov 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 Equivalent PACKUSWB: __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]); } // next pS += 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 DATASIZE 16384 // 128KB / (sizeof(signed short) * 4) // 缓冲区。SSE需要按128位对齐 __declspec(align(16)) signed short bufS[DATASIZE*4]; // 源缓冲区。64位的颜色（4通道，每通道16位） __declspec(align(16)) BYTE bufD[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_NONE 0 // 不支持 #define SIMD_SSE_1 1 // SSE #define SIMD_SSE_2 2 // SSE2 #define SIMD_SSE_3 3 // SSE3 #define SIMD_SSE_3S 4 // SSSE3 #define SIMD_SSE_41 5 // SSE4.1 #define SIMD_SSE_42 6 // SSE4.2 const char* simd_sse_names[] = { "None", "SSE", "SSE2", "SSE3", "SSSE3", "SSE4.1", "SSE4.2", }; // 是否支持MMX指令集 BOOL simd_mmx() { const DWORD BIT_DX_MMX = 0x00800000; // bit 23 DWORD v_edx; // check processor support __try { _asm { mov eax, 1 cpuid mov 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 instruction emms } return TRUE; } __except (EXCEPTION_EXECUTE_HANDLER) { } } return FALSE; } // 检测SSE系列指令集的支持级别 int simd_sse_level() { const DWORD BIT_D_SSE = 0x02000000; // bit 25 const DWORD BIT_D_SSE2 = 0x04000000; // bit 26 const DWORD BIT_C_SSE3 = 0x00000001; // bit 0 const DWORD BIT_C_SSSE3 = 0x00000100; // bit 9 const DWORD BIT_C_SSE41 = 0x00080000; // bit 19 const DWORD BIT_C_SSE42 = 0x00100000; // bit 20 BYTE rt = SIMD_SSE_NONE; // result DWORD v_edx; DWORD v_ecx; // check processor support __try { _asm { mov eax, 1 cpuid mov v_edx, edx mov 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] ); // next pS += 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); // next pS += 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]); // next pS += 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]); // next pS += 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]); } // next pS += 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]); } // next pS += 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; DWORD tm0, tm1; // 存储时间 for(i=1; i<=3; ++i) // 多次测试 { //tm0 = GetTickCount(); tm0 = timeGetTime(); // main for(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]: 37.5 f4_mmx[2]: 37.3 f4_mmx[3]: 38.9 f5_sse[1]: 25.6 f5_sse[2]: 26.1 f5_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]: 37.1 f4_mmx[2]: 37.1 f4_mmx[3]: 36.1 f5_sse[1]: 25.4 f5_sse[2]: 24.4 f5_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——
https://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）
