c – AVX：数据对齐：存储崩溃,storeu,load,loadu没有

我正在修改RNNLM神经网络来研究语言模型.但是考虑到我的语料库的大小,它的运行速度非常慢.我试图优化矩阵*向量例程(对于小数据集,这是一个对总时间的63％负责的例子(我希望它在较大的集合上更糟)).现在我陷入了内在的困境.

for (b=0; b<(to-from)/8; b++) 
    {
        val = _mm256_setzero_ps();
        for (a=from2; a<to2; a++) 
        {
            t1 = _mm256_set1_ps (srcvec.ac[a]);
            t2 = _mm256_load_ps(&(srcmatrix[a+(b*8+from+0)*matrix_width].weight));
            //val =_mm256_fmadd_ps (t1,t2,t3)
            t3 = _mm256_mul_ps(t1,t2);
            val = _mm256_add_ps (val,t3);
        }
        t4 = _mm256_load_ps(&(dest.ac[b*8+from+0]));
        t4 = _mm256_add_ps(t4,val);
        _mm256_store_ps (&(dest.ac[b*8+from+0]),t4);
    }

此示例崩溃：

_mm256_store_ps (&(dest.ac[b*8+from+0]),t4);

但是,如果我改为

_mm256_storeu_ps (&(dest.ac[b*8+from+0]),t4);

(我认为,对于未对齐而言)一切都按预期工作.我的问题是：为什么加载工作(如果数据未对齐则不应该加载)而商店不加载. (此外,两者都在同一地址上运行).

dest.ac已经使用分配

void *_aligned_calloc(size_t nelem,size_t elsize,size_t alignment=64)
{
    size_t max_size = (size_t)-1;

    // Watch out for overflow
    if(elsize == 0 || nelem >= max_size/elsize)
        return NULL;

    size_t size = nelem * elsize;
    void *memory = _mm_malloc(size+64,alignment);
    if(memory != NULL)
        memset(memory,size);
    return memory;
}

它至少有50个元素.
(BTW和VS2012我有一些非法的指令,所以我使用linux.)

先感谢您,
Arkantus.