我的理解是，当使用浮点数而不是双倍时，SSE应该给我给予2倍的加速。我错了吗？
你有
编译器和你的代码一样好-记住这一点。如果你没有在设计算法时考虑到向量化，编译器是无能为力的。这并不容易：“打开开关，享受100%的性能提升”。
首先，用-ftree-vectorizer-verbose=N编译代码，看看编译器到底向量化了什么。
N是verbosity级别，让5看到所有可用的输出（更多信息can be found here）。
此外，您可能想了解GCC的矢量化器。
请记住，对于性能关键的代码部分，直接使用SSE/AVX内部函数（brilliantly documented here）可能是最好的选择。

没有代码，没有关于测试程序的描述，但通常可以这样解释：
1.这不仅仅是cpu的限制，它也受到内存速度的限制。图像处理通常有很大的工作集，超过了你的非至强cpu的缓存量。最终cpu遇到饥饿意味着整体吞吐量可以受到内存速度的限制。
1.你可能使用了一个对矢量化不友好的算法。并不是每个算法都能从矢量化中受益。有很多条件需要满足-流依赖性，内存布局等。

有一个外部的机会，这是有关我的问题与系统库分布与Mingw GCC端口使用x87 80位FP内部。
基于几个随机测试片段，我认为从纯x87代码到SSE 2或更高的双精度代码的改进应该是算术重代码的25%左右，而浮点数比双精度代码快40%。

double BM_Pi(double x)
 {
  int n = 20;
  double f = 1;
  while (--n)
    f = (2 * n - 1) + n * n / f; // phi has f = 1 + 1 /(f + 1) here
  return 4/f;
 }

字符串
通过假装是i586来强制生成x87代码，然后允许所有优化-O3这些是我必须掌握的不同编译器的结果：
| 编译器|Phi| Pi|
| --|--|--|
| 英特尔avx 2| 30 | 77 |
| MS AVX2| 63 | 102 |
| MS x87| 84 | 115 |
| GCC AVX2| 61 | 95 |
| GCC x87| 83 | 116 |
我在一些内存密集型（不支持向量）代码上看到的是，SSE 2 FP有时比AVX快20%，比AVX 2快10%。这显然是非常依赖于代码的。英特尔编译器可能已经找到了一种方法来向量化Phi测试（确切的两倍快是可疑的）。