きっちん

　軽く SIMD 化してみた。

1. CELL 特有の処理を極力行わず、float 型を使い、最適化はコンパイラオプションに任せる。(870.21 ms)
2. マルチコアに拡張する。(299.61 ms, 2.9 倍速くなった)
3. メモリフローを改善する。(138.30 ms, 2.2 倍速くなった)
4. いまここ→SIMD 化する。
5. 大きくアンロールする。
6. アセンブラでガリガリ。

  SPU_4x4_C3.elf     1232127760 clk,  1.15 clk/FP // 385.04 ms

  SPU_4x4_C3.elf      277192320 clk,  0.26 clk/FP // 86.62 ms

　元々 -ftree-vectorize が効いているので著しい向上は無いが、それでも自動ベクトル化に任せるより自力で SIMD プログラミングした方が速いという結果になった。