MMX v / s SSE2 Сравнение производительности

Проблема:

Я преобразовал MMX в код в соответствующий код SSE2. И я ожидал почти 1,5x-2x ускорения. Но оба заняли одно и то же время. Почему это?

Сценарий:

Я изучаю набор инструкций SIMD и их сравнение производительности. Я взял операцию массива так, что Z = X^2 + Y^2 где X и Y — большой одномерный массив типа «Символ». Значения X и Y ограничены менее 10, так что Z всегда <255 (1 байт). (Не беспокоиться о переполнении).

Сначала я написал код на C ++, проверил время. Затем написал соответствующий код ASSEMBLY (~ 3x ускорение). Затем я написал код MMX (~ 12x v / s C ++). Затем я преобразовал MMX в код SSE2, и он потребляет точно такую ​​же скорость, что и код MMX. Теоретически, в SSE2 я ожидал ускорения в 2 раза по сравнению с MMX.

Для преобразования из MMX в SSE2 я преобразовал все ммх рег в хмм рег. Затем поменял пару инструкций по движению и так далее.

Мои коды MMX и SSE вставлены здесь: https://gist.github.com/abidrahmank/5281486
(Я не хочу вставлять их все здесь)

Эти функции позже вызываются из файла main.cpp, где массивы передаются в качестве аргументов.

Что я сделал :

1 — я просмотрел несколько руководств по оптимизации от Intel и других сайтов. Основная проблема с кодами SSE2 заключается в 16 выравнивание памяти. Когда я вручную проверил адреса, оказалось, что все они выровнены. Но я использовал оба MOVDQU а также MOVDQA, но оба дают тот же результат и не ускорение по сравнению с MMX.

2 — Я перешел в режим отладки и проверил значения каждого регистра с выполненными инструкциями. И они выполняются точно так же, как я думал, т.е. берется 16 байтов, и в результате выводятся 16 байтов.

Ресурсы :

Я использую процессор Intel Core i5 с Windows 7 и Visual C ++ 2010.

Вопрос:

Итак, последний вопрос: почему нет улучшения производительности для кода SSE2 по сравнению с кодом MMX? Я делаю что-то не так в коде SSE? Или есть другое объяснение?