SSE-SSE4指令集

引用中提到了MMX/SSE指令集的由来。MMX指令集使用8个64位寄存器MM0~MM7，并借用8个80位寄存器ST。而SSE架构是由MMX指令集发展而来的。引用中提到，在TensorFlow运行时，出现了一条信息，表示工作站支持SSE4.1指令集，但在编译时并没有加入对该指令集的支持。这些指令集可以加速CPU计算。引用中给出了在完成后执行CPU版本编译的命令，其中包括了SSE-SSE4指令集。

综上所述，SSE-SSE4指令集是一组指令集，它们是从MMX指令集发展而来的，并用于加速CPU计算。在TensorFlow中，可以通过编译时加入对SSE-SSE4指令集的支持来提高计算速度。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [(6.6)--MMX及SSE指令集1](https://download.csdn.net/download/weixin_35792236/86309458)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [重新编译TensorFlow1.4源代码支持SSE-AVX-FMA指令集 (Python3.5版本)](https://blog.csdn.net/keith_bb/article/details/79139482)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]