在什么地方X86-64的SSE指令（向量指令）胜过正常的指令。 因为我所看到的是，所需要的执行SSE指令频繁加载和存储被抵消我们有什么收益，由于矢量计算。 所以，可能有人给我一个例子SSE代码，它的性能比正常码好。
它也许是因为我单独传递每个参数，像这样...
__m128i a = _mm_set_epi32(pa[0], pa[1], pa[2], pa[3]);
__m128i b = _mm_set_epi32(pb[0], pb[1], pb[2], pb[3]);
__m128i res = _mm_add_epi32(a, b);
for( i = 0; i < 4; i++ )
po[i] = res.m128i_i32[i];
是不是有什么办法可以一气呵成通过所有4个整数，我的意思是通过整个128个字节pa一气呵成？ 和分配res.m128i_i32到po一气呵成？
总结注释到一个答案：
你已经基本上陷入映入大多数新手同样的陷阱。 基本上有在你的榜样两个问题：
_mm_set_epi32() _mm_set_epi32()是一个非常昂贵的内在。 虽然它的方便使用，它不会编译到一条指令。 一些编译器（如VS2010）可使用时产生的表演代码很差_mm_set_epi32()
相反，由于要装载的内存连续的块，你应该使用_mm_load_si128() 这需要指针对准16个字节。 如果你不能保证这种对齐，可以使用_mm_loadu_si128() -但有性能损失。 理想情况下，你应该适当调整你的数据，因此不需要诉诸使用_mm_loadu_si128()
在真正有效的与SSE，你也想最大化你的计算/负载存储比率。 我拍摄时目标是3 - 每存储器访问4算术指令。 这是一个相当高的比率。 通常，你必须重构代码或重新设计的算法来提高它。 在数据组合通行证是一种常见的做法。
循环展开往往是必要的，当你有很长的依赖链大循环机构最大限度地提高性能。
成功地使用SSE的SO问题的一些例子来实现加速。
