Assembly 使用内部函数的SSE2程序集溢出

我不熟悉SSE和SSE2，我编写了一个小的C示例（分配两个计数器，一个增加，另一个减少，而不是添加两个），该示例按预期工作。我使用了微软的Visual Studio 10 C++快车。作为第二步，我想了解引擎盖下发生了什么，但我现在感到困惑。 例如，For循环中的赋值操作编译为：

__m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
 mov         eax,dword ptr [i]  
 mov         ecx,dword ptr [a_aligned]  
 movdqa      xmm0,xmmword ptr [ecx+eax*2]  
 movdqa      xmmword ptr [ebp-1C0h],xmm0  
 movdqa      xmm0,xmmword ptr [ebp-1C0h]  
 movdqa      xmmword ptr [a_ptr],xmm0  

据我所知，前两行获取对齐的地址的组件，第三行将其复制到xmm0寄存器。但我不明白为什么它会被复制回内存，而不是再次复制到xmm0（而不是a_ptr）。我认为_mm_load_si128内在函数应该将对齐[I]的128位复制到xmm0，仅此而已。为什么会这样？理论上我错了吗？如果不是，我应该如何提示编译器？我的示例代码正确吗（从没有不必要之处的意义上讲）？ 以下是我的完整示例代码：

#include <xmmintrin.h>
#include <emmintrin.h>
#include <iostream>

int main(int argc, char *argv[]) {
    unsigned __int16 *a_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);
    unsigned __int16 *b_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);
    unsigned __int16 *c_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);

    for(int i = 0; i < 32; i++) {
        a_aligned[i] = i;
        b_aligned[i] = i;
        c_aligned[i] = 0;
    }

    for(int i = 0; i < 32; i+=8) {
        __m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
        __m128i b_ptr = _mm_load_si128((__m128i*)&(b_aligned[i]));
        __m128i res = _mm_add_epi16(a_ptr, b_ptr);
        _mm_store_si128((__m128i*)&(c_aligned[i]), res);
    }

    for(int i = 1; i < 32; i++) {
        std::cout << c_aligned[i] << " ";
    }

    _mm_free(a_aligned);
    _mm_free(b_aligned);
    _mm_free(c_aligned);
    return 0;
}

#包括
#包括
#包括
int main（int argc，char*argv[]）{
无符号整数16*a\u aligned=（无符号整数16*）mm\u malloc（32*sizeof（无符号整数16），16）；
无符号uuu int16*b_ualigned=（无符号uuu int16*）mm_malloc（32*sizeof（无符号uu int16），16）；
无符号uuu int16*c_ualigned=（无符号uuu int16*）mm_malloc（32*sizeof（无符号uu int16），16）；
对于（int i=0；i<32；i++）{
a_对齐的[i]=i；
b_对齐[i]=i；
c_对齐[i]=0；
}
对于（int i=0；i<32；i+=8）{
__m128i a_ptr=_mm_load_si128（（_m128i*）和（a_aligned[i]）；
__m128i b_ptr=_mm_载荷_si128（（_m128i*）和（b_对齐[i]）；
__m128i res=_mm_add_epi16（a_ptr，b_ptr）；
_mm_store_si128（（u m128i*）和（c_aligned[i]），res；
}
对于（int i=1；i<32；i++）{
std:：cout在编译器设置中启用优化（使用发行版配置而不是调试）.
内部函数被明确设计为帮助编译器代码生成器更好地优化代码。您正在查看调试配置生成的汇编代码。这不是优化的代码。请查看发布版本中的代码：

        __m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
011D10A0  movdqa      xmm0,xmmword ptr [eax] 
        __m128i b_ptr = _mm_load_si128((__m128i*)&(b_aligned[i]));
011D10A4  movdqa      xmm1,xmmword ptr [edx+eax] 
        __m128i res = _mm_add_epi16(a_ptr, b_ptr);
011D10A9  paddw       xmm0,xmm1 
        _mm_store_si128((__m128i*)&(c_aligned[i]), res);
011D10AD  movdqa      xmmword ptr [ecx+eax],xmm0 

看起来好多了，不是吗？
谢谢你，你的答案和斯蒂芬·卡农的答案一样有用，但他是第一个回答的人。是的，当你努力记录答案时就会出现这种情况。这不是问题，其他人可能会发现它很有用。每个人都会遇到这种情况，不要担心。