Средства и методы разработки

Базовая операция - нахождение скалярного произведения. У меня она для любой длины вектора - сперва множит остаток не кратный 4 поштучно, а затем запускает цикл умножения четверок. Для матрицы 4х4 процедура может быть укорочена, но скорости заметно это ней не прибавит. Вызывать процедуру можно на обычном C/С++ для каждого элемента произведения - там уже экономить смысла нет. В AVX/AVX2 эта процедура может быть записана короче, но я не буду ее приводить, т.к. там принцип тот же. dot_f4_f4 PROC PUBLIC ; double dot_f4_f4( float *row1, float *row2, int length) ; SSE-procedure ; row1 = rcx ; row2 = rdx ; length = r8d xorpd xmm0, xmm0 and r8, 0FFFFFFFFh ;length jz short bypass_f4_f4 mov rax, r8 shl rax, 2 ;*sizeof(float) repeat_f4_f4: test r8, 3 jz short start_f4_f4 sub rax, 4 ;offset float[length-1] movss xmm1, dword ptr[rcx+rax] mulss xmm1, dword ptr[rdx+rax] addss xmm0, xmm1 dec r8 jnb repeat_f4_f4 start_f4_f4: mov r8, 16d sub rax, r8 jb short sum_f4_f4 cycle_f4_f4: movups xmm1, [rcx+rax] movups xmm2, [rdx+rax] mulps xmm1, xmm2 addps xmm0, xmm1 sub rax, r8 jnb cycle_f4_f4 sum_f4_f4: movhlps xmm1, xmm0 ;low(xmm1)=high(xmm0) addps xmm0, xmm1 movups xmm1, xmm0 shufps xmm1, xmm1, 1 ;swap(f0,f1) addss xmm0, xmm1 cvtss2sd xmm0, xmm0 bypass_f4_f4: ret dot_f4_f4 ENDP