Инструкция SSE2 для загрузки целых чисел в обратном порядке

32-битные элементы int после обычной загрузки довольно просто перевернуть:

__m128i v = _mm_load_si128(buff);                    // MOVDQA
v = _mm_shuffle_epi32(v, _MM_SHUFFLE(0, 1, 2, 3));   // PSHUFD  - mask = 00 01 10 11 = 0x1b

Вы можете сделать то же самое для 16-битных элементов short, но для этого потребуется больше инструкций:

__m128i v = _mm_load_si128(buff);                    // MOVDQA
v = _mm_shuffle_epi32(v, _MM_SHUFFLE(0, 1, 2, 3));   // PSHUFD  - mask = 00 01 10 11 = 0x1b
v = _mm_shufflelo_epi16(v, _MM_SHUFFLE(2, 3, 0, 1)); // PSHUFLW - mask = 10 11 00 01 = 0xb1
v = _mm_shufflehi_epi16(v, _MM_SHUFFLE(2, 3, 0, 1)); // PSHUFHW - mask = 10 11 00 01 = 0xb1

Обратите внимание, что вы можете сделать это с меньшим количеством инструкций, используя _mm_shuffle_epi8 (PSHUFB)< /a>, если доступен SSSE3:

const __m128i vm = _mm_setr_epi8(14, 15, 12, 13, 10, 11, 8, 9, 6, 7, 4, 5, 2, 3, 0, 1);
                                     // initialise vector mask for use with PSHUFB
                                     // NB: do this once, outside any processing loop
...
__m128i v = _mm_load_si128(buff);    // MOVDQA
v = _mm_shuffle_epi8(v, vm);         // PSHUFB

РЕДАКТИРОВАТЬ: (следующее предназначено для скаляров с плавающей запятой одинарной точности, оставив его здесь на всякий случай)

Самый приблизительный (и удобный) — _mm_loadr_ps встроенный. Имейте в виду, что адрес должен быть выровнен по 16 байтам.

Хотя эта встроенная функция переводится как больше, чем инструкция (MOVAPS + перетасовка).