我在我的程序中执行的一个常见操作是按标量缩放向量（V*s，例如 [1,2,3,4]*2 == [2,4,6,8]）。除了首先在向量中的每个位置加载标量（例如 _mm_set_ps(2,2,2,2)）然后相乘之外，是否有 SSE（或 AVX）指令来执行此操作？
这就是我现在所做的：
__m128 _scalar = _mm_set_ps(s,s,s,s);
__m128 _result = _mm_mul_ps(_vector, _scalar);
我正在寻找类似...的东西
__m128 _result = _mm_scale_ps(_vector, s);
【问题讨论】：
根据您的编译器，您可以使用_mm_set1_ps 稍微改进代码生成：
const __m128 scalar = _mm_set1_ps(s);
__m128 result = _mm_mul_ps(vector, scalar);
然而，像这样的标量常量应该只需要在任何循环之外初始化一次，因此性能成本应该是无关紧要的。 （除非标量值在循环内发生变化？）
与往常一样，您应该查看编译器生成的代码，并尝试在合适的分析器下运行您的代码，以查看热点的真正位置。
【讨论】：
没有向量乘以标量的指令。但是，这里有一些指令用于将相同的标量值加载到向量寄存器的所有位置。
AVX 指令集提供 _mm_broadcast_ss/_mm256_broadcast_ss/_mm256_broadcast_sd 内部函数，用于使用相同的浮点/双精度值填充 SSE 和 AVX 寄存器。
在 SSE3 指令集中，您可能会发现 _mm_loaddup_pd intrinsic 使用相同的双精度值填充 SSE 寄存器。
在其他版本的 SSE 中，通常最好的选择是使用 _mm_load_ss/_mm_load_sd 加载标量值，然后使用 _mm_shuffle_ps/_mm_unpacklo_pd 将其复制到向量寄存器的所有元素。
【讨论】：
我不知道有任何一条指令可以满足您的要求。集合操作真的是瓶颈吗？如果您将一个大向量乘以同一个常数，则用四个常数副本填充 XMM/YMM 寄存器所需的时间应该只是总时间的一小部分。
作为一个简单的优化，如果常量为 2，就像在您的示例中一样，您可以将乘法替换为加法指令，而不需要任何常量。
【讨论】：