英特尔SDE Windows版 http://software.intel.com/en-us/articles/pre-release-license-agreement-for-intel-software-development-emulator-accept-end-user-license-agreement-and-download

DFT的matlab源代码kfr-fft 高度优化的FFT KFR是快速，现代的C ++ DSP框架，DFT / FFT，音频重采样，FIR / IIR滤波，Biquad，矢量函数（SSE，AVX） 特征 FFT针对SSE2，SSE3，SSE4.x，AVX和AVX2处理器进行了优化 双精度和单精度 表演 FFT（双精度，大小范围从1024到16777216）有关基准测试过程的详细信息，请参见。 先决条件 macOS：XCode 6.3、6.4、7.x，8.x Windows：MinGW 5.2和Clang 3.7或更高版本 Ubuntu：GCC 5.1和Clang 3.7或更高版本 CoMeta元编程库（已包含） 测验 执行build.py以运行测试或从tests目录手动运行测试 在以下系统上测试： OS X 10.11.4 / AppleClang 7.3.0.7030031 Ubuntu 14.04 / gcc-5（Ubuntu 5.3.0-3ubuntu1〜14.04）5.3.0 20151204 / clang版本3.8.0（tags / RELEASE_380 / final

去 用于golang的AVX（高级矢量扩展）绑定。 Golang代码示例 package main import ( "fmt" avx "github.com/monochromegane/go-avx" ) func main () { dim := 8 x := avx . MmMalloc ( dim ) y := avx . MmMalloc ( dim ) z := avx . MmMalloc ( dim ) defer avx . MmFree ( x ) defer avx . MmFree ( y ) defer avx . MmFree ( z ) for i := 0 ; i < dim ; i ++ { x [ i ] = float32 ( i ) y [ i ] = float32 ( i + 1 ) } avx . Add

实现通过Vector实现的多种加速的矩阵乘法，包括利用intel的AVX指令的实现方法

自己编译的Tensorflow，在 Ubuntu 18.04 环境下编译的，支持 CPU 的 AVX AVX2 FMA 指令，我的 CPU 是 4 代 i5。官方的二进制版 Tensorflow 只支持 CPU 的 AVX 指令，不支持 AVX2 和 FMA；自己编译会遇到各种各样的错误，终于编译成功了，发现在其他机器上安装竟然也能运行，分享给大家。在放置目录下使用 sudo -H pip3 install tensorflow-1.9.0rc0-cp36-cp36m-linux_x86_64.whl 进行安装，请预先安装好 python3 环境，比如这样 sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel 。

解决老cpu不能玩帝国时代4的问题

没有AVX指令的老机器可以使用的SSE指令版本的tensorflow2.6

Latte：对流神经网络（CNN）推理引擎 Latte是用C ++编写的卷积神经网络（CNN）推理引擎，并使用AVX对操作进行矢量化。 该引擎可在Windows 10（32位和64位），Linux（内核= 4.12.10，gcc = 7.2.0）和macOS Sierra上运行。 当使用ATLUS构建caffe时，它具有与NVIDIA Caffe相同的精度和相同的推理速度。 该引擎具有自己的网络文件格式（.ahsf文件），因此我们提供了一些python脚本，可将NVIDIA Caffe的文件转换为我们自己的文件。 引擎支持以下层： 输入层。 卷积层。 ReLU。 完全连接的层。 Softmax。 最大池化层。 sigmod。 丹妮 如何使用python脚本： 我们的python脚本是使用Python 2.7.13制作的，需要以下软件包才能正常工作： Pycaffe（在构

SIMD 基准测试 测试基本矩阵和向量运算与其 SIMD 对应物的相对性能。 每个操作的时间平均超过 10000 次运行。 使用随机单精度浮点数的 4x4 矩阵或 4D 向量。 对 AVX 128 位 (XMM) 和 256 位 (YMM) 寄存器执行的单独计算。 AVX2/FMA3（128 位）指令集（融合乘加）需要 Intel Haswell CPU 。 所有操作都经过了相当大的优化。 SIMD 矩阵乘法使用线性组合方法。 在带有 Intel i5-4278u 2.6 GHz 双核 Haswell CPU 的 2014 rMBP 上进行测试。 操作系统：在 VMWare Fusion 7 上运行的 Windows 8.1。 使用 MSVC++ 2012 编译： x64 mode 、 /arch:AVX 、 /fp:Fast 通过__rdtsc()在 CPU 时钟周期中计时。 （也可以

使用SIMD的C ++图像处理库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON for ARM。 简介Simd库是一个免费的开源图像处理和机器学习库，专为C和C ++程序员设计。 它为图像处理提供了许多有用的高性能算法，例如：像素格式转换，图像缩放和过滤，从图像中提取统计信息，运动检测，对象检测（HAAR和LBP分类器级联）和分类，神经网络。 通过使用不同的SIMD CPU扩展来优化算法。