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

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 。

使用AVX2指令集实现的strlen函数，一般情况下较新的CPU都支持avx2指令集，使用avx2指令集可以加快程序的运行速度

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。

Simd：使用以下SIMD的C ++图像处理和机器学习库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON臂

自编译的opencv库 版本4.5.3 32位 Visual Studio 2019 动态库 指令集优化级别：avx2 并行框架 详细介绍：https://mangoroom.cn/shared/opencv-4-5-3-x86-vc16-shared-avx2-world-openmp.html

自编opencv库，opencv4.5.3,32位，vs2019,avx2指令集优化，tbb并行框架 详细介绍：https://mangoroom.cn/shared/opencv-4-5-3-x86-vc16-shared-avx2-world-tbb.html

intel-asm-avx2.pdf：高级矢量扩展集2（avx2）详细介绍文档，包括发展历程、新增指令等内容

tensorflow1.0_cpu_avx2_cpp包含cpu_avx2加速。windows 下编译,包含：dll,lib,include.

解决“Your CPU supports instructions that this TensorFlow binary was not compiled to use AVX2”, tensorflow-1.14.0-cp37-cp37m-win_amd64.whl（Windows CPU版 Python3.7）