命令セットはCPUハードウェアのサポートを必要とします。以下のリストは、さまざまな命令セットをサポートするCPUを示しています。

ARMはSIMD拡張命令も導入しました。代表的なSIMD演算には、算術演算（+-*/）に加え、abs、sqrtなどが含まれます。完全な命令セットについては、Intelが提供するユーザードキュメントを参照してください。

• コンパイラ自動ベクトル化
1. 静的コンパイル
2. ジャストインタイム（JIT）コンパイル


• 手書きのSIMD命令

1. コードは特定のパラダイムに準拠しており、さまざまなケースが後で詳細に紹介されます。

ベクトル化を実装できるのは、コンパイラの上位バージョンのみです。GCC 4.9.2以前のバージョンはテストの結果、ベクトル化をサポートしていないことが判明しましたが、GCC 9.2.1はサポートしています。GCCはベクトル化に対してより有利なサポートを提供しています。Clangは一部のコードをベクトル化コードに変換できない場合があります。また、Clangで生成されたベクトル化コードはGCCよりもパフォーマンスが優れている場合もあります（より広いレジスタ命令を使用しているため）。したがって、仕様に準拠したコードを記述し、両方のコンパイラのパフォーマンスを個別にテストすることをお勧めします。

 res[i] = tmpBitPtr[i] & opBitPtr[i]; // 添え字を使用してアドレスにアクセスします。これは clang と gcc の両方でサポートされています。 *(res + i) = *(tmpBitPtr + i) & *(opBitPtr + i); // アドレス演算を使用してメモリにアクセスします。これは clang ではサポートされていませんが、gcc ではサポートされています。 

ループ変数の初期値と最終値は固定する必要があります。例:

反復回数が数えられる「for (int i = 0; i < n; ++i)」メソッドはベクトル化できます。反復回数が数えられない「for (int i = 0; i != n; ++i)」メソッドはベクトル化できません。

データ依存関係に関連するシナリオはいくつかあります。

 for (j=1; j<MAX; j++) A[j]=A[j-1]+1; // ケース 1 書き込んでから読み取るため、ベクトル化できません for (j=1; j<MAX; j++) A[j-1]=A[j]+1; // ケース 2 読み取ってから書き込むため、ベクトル化できません for (j=1; j<MAX; j++) A[j-4]=A[j]+1; // ケース 3 読み取ってから書き込む場合でも、4 セットのデータがベクトルを形成する場合は、同じデータ セット内に依存性がないため、ベクトル化できます // ケース 4 書き込んでから書き込むため、ベクトル化できません (この場合はケースなし) for (j=1; j<MAX; j++) B[j]=A[j]+A[j-1]+1; // ケース 5 読み取り後に読み取り。書き込み操作がないため、ベクトル化には影響しません。 for (j=1; j<MAX; j++) sum = sum + A[j]*B[j] // ケース 6 これはベクトル化できます。同じ変数を読み取り、毎回別の変数に書き込みますが、最初にワイド レジスタを使用して合計を表し、各パスのデータを個別に累積してから、ループ終了後にワイド レジスタに値を累積することができます。 `for (i = 0; i < size; i++) { c[i] = a[i] * b[i]; }` // ケース 7。 これには、 `c` のメモリ空間が `a` および `b` のメモリ空間と交差するかどうかを確認する必要があります。 `c` が `a` または `b` のエイリアスである場合、たとえば `c = a + 1` であれば `c[i] = a[i + 1]` となり、`a` と `c` にはメモリの重複があります。

 const static char not_case_lower_bound = 'A' ; const static char not_case_upper_bound= 'Z' ; static void lowerStrWithSIMD ( const char * src, const char * src_end, char * dst) { const auto flip_case_mask = 'A' ^ 'a' ;
 # ifdef __SSE2__ const auto bytes_sse = sizeof (__m128i); const auto * src_end_sse = src_end - (src_end - src) % bytes_sse;     const auto v_not_case_lower_bound = _mm_set1_epi8(not_case_lower_bound - 1 ); const auto v_not_case_upper_bound = _mm_set1_epi8(not_case_upper_bound + 1 ); const auto v_flip_case_mask = _mm_set1_epi8(flip_case_mask);     for (; src < src_end_sse; src += bytes_sse, dst += bytes_sse)    { /// load 16 sequential 8-bit characters const auto chars = _mm_loadu_si128( reinterpret_cast < const __m128i *>(src));         /// find which 8-bit sequences belong to range [case_lower_bound, case_upper_bound] const auto is_not_case            = _mm_and_si128(_mm_cmpgt_epi8(chars, v_not_case_lower_bound), _mm_cmplt_epi8(chars, v_not_case_upper_bound));         /// keep lip_case_mask _mm_and_si128(v_flip_case_mask, is_not_case);         /// flip case by applying calculated mask const auto xor_mask = _mm_and_si128(v_flip_case_mask, is_not_case); const auto cased_chars = _mm_xor_si128(chars, xor_mask);         /// store result back to destination        _mm_storeu_si128( reinterpret_cast <__m128i *>(dst), cased_chars);    } # endif     for (; src < src_end; ++src, ++dst) if (*src >= not_case_lower_bound && *src <= not_case_upper_bound)            *dst = *src ^ flip_case_mask; else            *dst = *src; } static void lowerStr ( const char * src, const char * src_end, char * dst) { const auto flip_case_mask = 'A' ^ 'a' ;
 for (; src < src_end; ++src, ++dst) if (*src >= not_case_lower_bound && *src <= not_case_upper_bound)            *dst = *src ^ flip_case_mask; else            *dst = *src; }

上記の2つの関数は、文字列内の大文字を小文字に変換します。最初の関数はSIMD（128ビット命令）を使用し、2番目の関数はより従来的なアプローチを使用します。最初の関数は128ビット命令（16バイト）を使用し、理論上はベクトル化されていない命令と比較して16倍の高速化を実現します。一方、2番目の関数は構造が明確で自動的にベクトル化できるため、異なるコンパイラ（gバージョン9.3.0とclang 12.0.0）を使用してコンパイルパフォーマンスをテストします。

最も単純な SIMD 命令は、2 つの数値の加算を実行します。

 const __m128i dst = _mm_add_epi32(左、右);

この命令は4組の整数を加算し、その結果を格納します。`__m128i`は128ビット幅のレジスタを示し、4つの整数（4バイト、32ビット）を格納し、4つの整数を保持できます。`_mm_and_epi32`はSIMD命令です。`_mm`は128ビットレジスタ、`add` は加算、`epi32` は32ビット整数を示します。SIMD命令の命名規則：SIMD命令は、レジスタ幅、演算タイプ、パラメータ幅の3つの意味を表す必要があります。