懂的话，你要弄懂sse中每条指令所做的操作，知道所做的操作应该就会了。
sse指令集使用的是自己的xmm0~xmm78个寄存器，每个寄存器128位。
sse主要是对浮点数进行操作，也有对整数运算进行优化的。
1、编译器的自动矢量化-mfpmath=sse
仅建议在P4和K8以上级别的处理器上使用该选项。
-mmmx
-msse
-msse2
-msse3
-m3dnow
-mssse3(gcc-4.3新增)
-msse4.1(gcc-4.3新增)
-msse4.2(gcc-4.3新增)
-msse4(含4.1和4.2,gcc-4.3新增)
是否使用相应的扩展指令集以及内置函数，需要按照自己的cpu做选择。
2、使用C/C++类库
目前，GNU
GCC等大多数编译器都提供了对SSE指令集的变成支持，允许用户在C++代码中不用编写汇编代码，就可以直接通过调用库函数而直接使用SSE指令。
3、使用编译器的内嵌原语(Intrinsics)
SSE的intrinsics的规则
_mm_<opcode>_<suffix>
其中，<opcode>是指令的类别，像add、sub等等，<suffix>是指令的种类。在SSE浮点运算指令中，只有两种:ps和ss。
ps：Packed
Single-precision,指对寄存器中的四个单精度浮点同时进行运算。
ss：Scaler
Single-precision,指对寄存器中的DATA0进行运算。
编程时需要包含下表所示的头文件：
mmintrin.h
MMX
xmmintrin.h
SSE
emmintrin.h
SSE2
pmmintrin.h
SSE3
tmmintrin.h
SSSE3
intrin.h
SSE4A
smmintrin.h
SSE4.1
nmmintrin.h
SSE4.2
mm3dnow.h
3DNOW
说明：如果导入一个高版本的指令集头文件，那么一般就不需要在导入低版本的指令了。
4、使用内嵌汇编
指令语法特征
如：PADDUSW（无符号饱和模式的字组相加）
前缀：P代表成组数据类型
操作指令：如ADD、SUB等
后缀：US为无符号饱和处理
S为有符号饱和处理
B、W、D、Q分别为字节组、字组、双字组、四字。
GCC的asm结构
用汇编编写的程序运行速度快，但开发速度非常慢，效率也很低。如果只是想对关键代码段进行优化，更好的办法是将汇编指令嵌入到C语言程序中，充分利用高级语言和汇编语言各自的优点。一般来讲，在C代码中嵌入汇编语句要比“纯粹”的汇编语言代码复杂的多，因为需要解决如何分配寄存器，以及如何与C代码中的变量相结合等问题。内联汇编能够灵活操作，而且可以使其输出通过C变量显示出来。因为它具有这种能力，所以asm可以用作汇编指令和C程序之间的接口。使用__asm__关键字，如果超过一行的指令，每行要加上双引号，并且后面加上\n\t。如果希望确保编译器不会在“asm”内部优化指令，可以在“__asm__”后面使用关键字“volatile”。
内联汇编的基本要素
具体语法结构，请看我的一篇博文：《GCC内嵌汇编》文章连接：
http://blog.chinaunix.net/u3/119372/showart_2417924.html
基本要素说明：
限定符
意义
“m” “v” “o”
内存单元
“r”
任意寄存器
“q”
寄存器eax,ebx,ecx,edx之一
“i” “h”
直接操作数
“E” “F”
浮点数
“g”
任意
“a” ”b” ”c” ”d”
分别表示寄存器eax,ebx,ecx,edx
“S” ”D”
寄存器esi,edi
“I”
常数（0至31）
5、SSE编程注意事项
数据对齐
CPU内存单元以16Byte为边界，如果数据在运算之前不进行对齐，会是指令运算产生大量延时。
GCC：
float
__attribute__((aligned(16))) a[4]={1.2f,3.5f,1.7f,2.8f}
VC:
__declspec(align(16)) float a[4]={1.2f,3.5f,1.7f,2.8f}
SSE指令集SSE(Streaming SIMD Extensions，单指令多数据流扩展)指令集是Intel在Pentium III处理器中率先推出的。其实，早在PIII正式推出之前，Intel公司就曾经通过各种渠道公布过所谓的KNI(Katmai New Instruction)指令集，这个指令集也就是SSE指令集的前身，并一度被很多传媒称之为MMX指令集的下一个版本，即MMX2指令集。究其背景，原来"KNI"指令集是Intel公司最早为其下一代芯片命名的指令集名称，而所谓的"MMX2"则完全是硬件评论家们和媒体凭感觉和印象对"KNI"的评价，Intel公司从未正式发布过关于MMX2的消息。
而最终推出的SSE指令集也就是所谓胜出的"互联网SSE"指令集。SSE指令集包括了70条指令，其中包含提高3D图形运算效率的50条SIMD(单指令多数据技术)浮点运算指令、12条MMX 整数运算增强指令、8条优化内存中连续数据块传输指令。理论上这些指令对目前流行的图像处理、浮点运算、3D运算、视频处理、音频处理等诸多多媒体应用起到全面强化的作用。S SE指令与3DNow!指令彼此互不兼容，但SSE包含了3DNow!技术的绝大部分功能，只是实现的方法不同。SSE兼容MMX指令，它可以通过 SIMD和单时钟周期并行处理多个浮点数据来有效地提高浮点运算速度。
在后来Intel为了应对AMD的3Dnow!+指令集，又在SSE的基础上开发了 SSE2，增加了一些指令，使得其P4处理器性能有大幅度提高。到P4设计结束为止，Intel增加了一套包括144条新建指令的SSE2指令集。像最早的SIMD扩展指令集，SSE2涉及了多重的数据目标上立刻执行一单个的指令(即SIMD，一个计算低工控最好的方法是让每指令执行更多的工作)。最重要的是SSE2能处理128位和两倍精密浮点数学运算。处理更精确浮点数的能力使SSE2成为加速多媒体程序、3D处理工程以及工作站类型任务的基础配置。但重要的是软件是否能适当的优化利用它。
SSE2指令集
在PentiumIII发布的时候，SSE指令集就已经集成在了处理器的内部，但因为各种原因一直没有得到充分的发展。直到Pentium 4发布之后，开发人员看到使用SSE指令之后，程序执行性能将得到极大的提升，于是Intel又在SSE的基础上推出了更先进的SSE2指令集。
SSE2包含了144条指令，由两个部分组：SSE部分和MMX部分。SSE部分主要负责处理浮点数，而MMX部分则专门计算整数。SSE2的寄存器容量是MMX寄存器的两倍，寄存器存储数据也增加了两倍。在指令处理速度保持不变的情况下，通过SSE2优化后的程序和软件运行速度也能够提高两倍。由于 SSE2指令集与MMX指令集相兼容，因此被MMX优化过的程序很容易被SSE2再进行更深层次的优化，达到更好的运行效果。SSE2对于处理器的性能的提升是十分明显的，虽然在同频率的情况下，Pentium 4和性能不如Athlon XP，但由于Athlon XP不支持SSE2，所以经过SSE2优化后的程序Pentium 4的运行速度要明显高于Athlon XP。而AMD方面也注意到了这一情况，在随后的K-8系列处理器中，都加入SSE2指令集。
SSE3指令集
SSE3指令是目前规模最小的指令集，它只有13条指令。它共划分为五个应运层，分别为数据传输命令、数据处理命令、特殊处理命令、优化命令、超线程性能增强五个部分，其中超线程性能增强是一种全新的指令集，它可以提升处理器的超线程的处理能力，大大简化了超线程的数据处理过程，使处理器能够更加快速的进行并行数据处理。
上面介绍的基本上就是Intel和AMD公司在X86 架构处理器上主要的扩展指令集，虽然它们对于处理器的性能提升有着一定程度的帮助，但是由于受到IA-32体系的限制，X86架构基本上不会再有具有革命性意义的指令集出现，而双方都已经把重心转向了64位体系架构的处理器指令集开发上。
简单来说~这个指令集素32位CPU P4中前期推出的，记得AMD的OP貌似也是支持的样子。。。
参考资料：http://tech.tom.com/1370/1401/2005825-244208.html
