以下のFPUを使ったmemcpyのソースがバグる

DKC_INLINE void optimized_memcpy_fpu_8bytes(

  void * d, const void* s, size_t _size )

{

  _asm {

    mov edi,d;

    mov esi,s;

    mov ecx,_size;

    shr ecx,3;

lx:

    fld double ptr [esi];

    lea esi,[esi+8];

    fstp double ptr [edi];

    lea edi,[edi+8];

    dec ecx;

    jnz lx;

  }

}

dest,srcはaligned_malloc(アラインされたメモリアドレスを返す)で確保したメモリ
countが64だとコピーエラー（destの先頭の方が8バイト潰される）
ゴメンナサイ、どうしても分かりません。
どなたか分かる方いらっしゃいますか？