内積の計算するのにSSE3から追加された_mm_hadd_psを使うより、以前の
3回_mm_shuffle_psしてから足すやつの方が速かった…(corei7)
SSE3はいらない子だったんだな、残念

しかしCPUはAVX2まで対応してるが、脳ミソをSSE4以降に対応させるのはしんどい…