自己造轮子真的快吗？
昨天半夜上了 libfttw 的官方网站，其中提到 libfttw 可以使用 SSE2 指令集，在某些硬件环境下有更好的表现。libfttw 自带一个 malloc 也是对内存布局进行优化的。简单点说就是 libfttw 可以用硬件加速。
如果自己造轮子，会把关键部分用 SSE2 指令集的汇编优化一下吗？会考虑到兼容性再写一个通用版吗？
即使这样，能够保证几个版本的程序一致不出错吗？
我也知道 x264 等软件自带 DCT 等关键算法，但那是优化了几年的啊。（比如谷歌的 VP9 编码器，一年前就完成了，现在全在优化算法）

补充：fftw还支持多线程和分布式计算。

首先咱不是求快。
其次……CVEDSP编写的时候就是旨在(x86上，2^整数FFT)超越fftw……不止用了SSE，还有AVX的实现……
虽说并行暂不支持，目前单线程1024点以上拼不过fftw，不过1024点及以下可以秒杀。
CVE3.5因为将采用正弦合成，FFT主要用在效率要求不高的分析阶段。实时合成主要用1024点以下的fft……
光是一个FFT的优化还好，人家是整个编码器当然优化做得很慢咯。
另：通用版的CVEDSP我后来是写了一个装到电子词典上了，等重构的时候再merge。