c - SSE3 で水平方向に追加

Question

SSE と SSE3 を使用して、配列のすべての要素の合計を計算する簡単なコードを作成しようとしています。違いは、一方のコードでは PADDD を使用して「垂直方向に」合計し、もう一方のコードでは HADPPS を使用して水平方向に合計することです。私が関心を持っている唯一の値は総計であるため、総計の方法は重要ではありません。ただし、水平加算は間違った結果を出力しています。理由はありますか？

これは、通常の追加のコードです。

int sumelems_sse(int *a, int size)
{
  int tmp[4];
  tmp[0] = 0;
  tmp[1] = 0;
  tmp[2] = 0;
  tmp[3] = 0;
  int total;

  __asm__ volatile (
                   "\n\t movdqa %0,%%xmm0 \t#"       // moves tmp[0] to xmm0
                   : /* no output */
                   : "m" (tmp[0])   //%0
                   );

  for (int i=0;i<size;i+=4) {
    __asm__ volatile
        ( // instruction         comment          
        "\n\t movdqa     %0,%%xmm1     \t#"           // moves a[i] to xmm1
        "\n\t paddd    %%xmm1,%%xmm0  \t#"            // xmm0 = xmm0+xmm1 in 4 blocks of 32 bits
        : /* no output */
        : "m"  (a[i])       // %0 
        );
  }

   __asm__ volatile(
                   "\n\t movdqa %%xmm0,%0 \t#"         // moves xmm0 to tmp[0]
                   : "=m" (tmp[0])
                   );


   total = tmp[0] + tmp[1] + tmp[2] + tmp[3];
   return total;
}

そして、これは水平加算のコードです:

int sumelems_sse3(int *a, int size)
{
  int tmp[4];
  tmp[0] = 0;
  tmp[1] = 0;
  tmp[2] = 0;
  tmp[3] = 0;
  int total;

  __asm__ volatile (
                   "\n\t movdqa %0,%%xmm0 \t#"       // moves tmp[0] to xmm0
                   : /* no output */
                   : "m" (tmp[0])   //%0
                   );

  for (int i=0;i<size;i+=4) {
    __asm__ volatile
        ( // instruction         comment          
        "\n\t movdqa     %0,%%xmm1     \t#"             // moves a[i] to xmm1
        "\n\t haddps      %%xmm1,%%xmm0   \t#"           // xmm0 = xmm0+xmm2 in 4 blocks of 32 bits
        : /* no output */
        : "m"  (a[i])       // %0 
        );
  }

   __asm__ volatile(
                   "\n\t movdqa %%xmm0,%0 \t#"         // moves xmm0 to tmp[0]
                   : "=m" (tmp[0])
                   );


   total = tmp[0] + tmp[1] + tmp[2] + tmp[3];
   return total;

}

追加命令だけを変更する必要があると思いますか？