我有两个无符号向量，大小均为 4
vector<unsigned> v1 = {2, 4, 6, 8}
vector<unsigned> v2 = {1, 10, 11, 13}
现在我想将这两个向量相乘并得到一个新向量
vector<unsigned> v_result = {2*1, 4*10, 6*11, 8*13}
使用什么 SSE 操作？它是跨平台还是仅在某些特定平台上？
加法：如果我的目标是加法而不是乘法，我可以超快地完成：
__m128i a = _mm_set_epi32(1,2,3,4);
__m128i b = _mm_set_epi32(1,2,3,4);
__m128i c;
c = _mm_add_epi32(a,b);
_mm_set_epi32对所有元素使用集合内在函数是低效的。最好使用负载内在函数。有关SSE 指令在何处优于普通指令的更多信息，请参阅此讨论。如果数组是 16 字节对齐的，您可以使用_mm_load_si128或者_mm_loadu_si128（对于对齐的内存，它们具有几乎相同的效率），否则使用_mm_loadu_si128. 但是对齐的内存效率更高。要获得对齐的内存，我建议使用_mm_mallocand_mm_free或 C11 aligned_alloc，以便您可以正常使用free。
要回答您的其余问题，假设您将两个向量加载到 SSE 寄存器中__m128i a，并且__m128i b
对于 SSE 版本 >=SSE4.1，请使用
_mm_mullo_epi32(a, b);
没有 SSE4.1：
此代码是从 Agner Fog 的Vector Class Library复制的（并被此答案的原作者抄袭）：
// Vec4i operator * (Vec4i const & a, Vec4i const & b) {
// #ifdef
__m128i a13 = _mm_shuffle_epi32(a, 0xF5); // (-,a3,-,a1)
__m128i b13 = _mm_shuffle_epi32(b, 0xF5); // (-,b3,-,b1)
__m128i prod02 = _mm_mul_epu32(a, b); // (-,a2*b2,-,a0*b0)
__m128i prod13 = _mm_mul_epu32(a13, b13); // (-,a3*b3,-,a1*b1)
__m128i prod01 = _mm_unpacklo_epi32(prod02,prod13); // (-,-,a1*b1,a0*b0)
__m128i prod23 = _mm_unpackhi_epi32(prod02,prod13); // (-,-,a3*b3,a2*b2)
__m128i prod = _mm_unpacklo_epi64(prod01,prod23); // (ab3,ab2,ab1,ab0)
有_mm_mul_epu32仅是 SSE2 并使用 pmuludq 指令。由于它是 SSE2 指令，99.9% 的 CPU 都支持它（我认为最现代的 CPU 是 AMD Athlon XP）。
它有一个显着的缺点，它一次只能乘以两个整数，因为它返回 64 位结果，并且您只能将其中两个放入寄存器中。这意味着您可能需要进行大量改组，这会增加成本。
您可以（如果 SSE 4.1 可用）使用
__m128i _mm_mullo_epi32 (__m128i a, __m128i b);
将压缩的 32 位整数相乘。否则，您必须将两个包都洗牌才能使用_mm_mul_epu32两次。有关显式代码，请参阅@user2088790 的答案。
请注意，您也可以使用_mm_mul_epi32，但那是 SSE4，因此您还是宁愿使用_mm_mullo_epi32。
_mm_mullo_epi32 可能是您需要的，尽管它的预期用途是用于有符号整数。只要 v1 和 v2 非常小以至于这些整数的最高有效位为 0，这不会导致问题。它是 SSE 4.1。作为替代方案，您可能需要考虑 _mm_mul_epu32。
std::transform将给定函数应用于一个范围并将结果存储在另一个范围中
std::vector<unsigned> result;
std::transform( v1.begin()+1, v1.end(), v2.begin()+1, v.begin(),std::multiplies<unsigned>() );