TLDR：有一些减少指令，但通常你应该遵循：Fastest way to do horizontal SSE vector sum (or other reduction)
唯一的浮点指令（我知道的），做水平减少是

• haddps/haddpd：这些将来自两个输入寄存器的两个相邻值相加，并将它们堆叠到一个输出寄存器中（通常的怪癖是，AVX 256就像两个独立的SSE/AVX 128操作）。如果您想将单个寄存器减少为标量，请不要使用这些寄存器（参见上面的链接答案）。
• dpps / dppd：计算（最多）4个元素的点积（dpps）或最多两个元素（dppd）。这通常只在你的主要目标是小的二进制大小时才值得使用，或者在屏蔽输入/输出的特殊情况下。dppd指令显然根本没有移植到256位。此外，永远不要将其用作大型点积的构建块（这些应该在主循环中仅使用fma指令，并在末尾进行水平缩减）。

一种非循环、非分支的方法来获取SSE向量的最大浮点值，如下所示。

inline float _mm_hmax_ps(__m128 arg) {
  // Returns the maximum 32 bit float value in arg.
  // Requires SSE.
  __m128 temp, temp2;
  temp = _mm_shuffle_ps(arg, arg, 78);  // 78 = 01001110b
  temp = _mm_max_ps(arg, temp);
  temp2 = _mm_shuffle_ps(temp, temp, 165); // 165 = 10100101b
  temp2 = _mm_max_ps(temp2, temp);
  return _mm_cvtss_f32(temp2);
}

字符串
AVX版本如下。

inline float _mm256_hmax_ps(__m256 arg) {
  // Returns the maximum 32 bit float value in arg.
  // Requires AVX1 & SSE1. 
  __m128 temp128u, temp128l;  
  __m256 temp, temp2;
  temp = _mm256_shuffle_ps(arg, arg, 78);  // 78 = 01001110b
  temp = _mm256_max_ps(arg, temp);
  temp2 = _mm256_shuffle_ps(temp, temp, 165); // 165 = 10100101b
  temp = _mm256_max_ps(temp2, temp);
  temp128u = _mm256_extractf128_ps(temp, 1);
  temp128l = _mm256_extractf128_ps(temp, 0);
  temp128u = _mm_max_ps(temp128u, temp128l);
  return _mm_cvtss_f32(temp128u);
}

型