为什么矢量化不会加速这些循环？

Question

我正在快速掌握矢量化，因为我目前的PC支持它。我有英特尔i7-7600u。它有2个内核，运行频率为2.8 / 2.9 GHz，支持SSE4.1，SSE4.2和AVX2。我不确定向量寄存器的大小。我相信它是256位，因此一次可以使用4个64位双精度值。我相信这应该给出一个高峰率： （2.8GHz）（2个核心）（4个向量）（2个/多个）= 45个GFlops。 我正在使用GNU Gfortran和g ++。

我在制作各种超级计算机的过程中建立了一系列的fortran循环。 我测试的一个循环是：

do j=1,m
  s(:) = s(:) + a(:,j)*b(:,j)
enddo

向量长度为​​10000，m = 200，并且执行嵌套500次以进行2e9操作。我用j循环展开它，展开0,1,2,3和5次。展开应减少加载和存储的次数。它也是最佳的，因为所有的内存访问都是跨步的，它有一个成对的加法和乘法。我使用如上所示的数组语法和使用内部do循环运行它，但这似乎没什么区别。使用do循环并且不展开它看起来像：

do j=1,m
   do i=1,n
      s(i)=s(i)+a(i,j)*b(i,j)
   end do
end do

构建如下：

gfortran -O3 -w -fimplicit-none -ftree-vectorize -fopt-info-vec loops.f90

编译器说循环都是矢量化的。我得到的最好结果是2.8 GFlops，每个周期一个。如果我用：

运行它

gfortran -O2 -w -fimplicit-none -fno-tree-vectorize -fopt-info-vec loops.f90

未报告任何矢量化。它在不展开的情况下执行速度稍慢，但与展开相同。谁能告诉我这里发生了什么？我的处理器特性是否错误？为什么矢量化不会加快速度？我期待得到至少一些改善。如果这会让人感到遗憾，我会道歉，但我找不到类似于此的干净例子。