avx2

在AMD Zen 3上对FP32矩阵乘法优化的系统性探索，使用AVX2/FMA内联指令实现了85.30 GFLOPS（理论峰值的63.5%），超越了朴素实现56.5倍，并达到了优化库的性能水平。

一篇深入的技术博客文章，解释如何使用现代x86_64 CPU上的SIMD指令高效地转置矩阵，重点介绍类似_mm256_shuffle_epi8的AVX2内联函数。