【霏艺所思】AlphaGoZero开源实现代码讲解<3>：输入特征

https://youtu.be/dpMVLrdzhuY
聽説下雨天，音樂和代碼更配哦~

輸入特徵也很重要的好麽。。。
你們都不看。。。
都只看網絡結構，和訓練的loss函數，優化器，調參。。。

先介紹下輸入特徵的情況
前向過程：
原版AlphaGo的 輸入特徵函數 是 extractState
 現在的 Zero版本 ，輸入特徵函數 是 extractStateAGZ

反向過程，訓練的時候
如果是原版 看函數 extractStateExt
如果是 zero版本 ，看 extractStateExtAGZ
--------------------------------------------------------
問題1：什麽時候會調用這4個函數呢？
前向過程：
src_cpp\elf\ai\tree_search\tree_search.h 【從MCTS 開始讀起】
MCTS樹搜索的時候會執行  actor.evaluate(locked_states, &resps);【actor是 MCTSActor】
内部代碼 執行了 ai_->act_batch(p_bfs, p_replies) 【ai_ 是 elf::ai::AIClientT<BoardFeature, GoReply>】
act_batch 内部代碼 執行了 client_->sendBatchWait(targets_, ptr_funcs_s);
也就是通知Python，這個時候會調用 Python的回調 函數
然後發現 參數列表 是 <BoardFeature, GoReply>
所以Python側代碼 會調用
src_cpp\elf\base\sharedmem.h
的 state2mem函數  datum->state_to_mem_funcs.transfer(idx, mem);
p.second(*anyp, msg_idx);
其中p.first 表示了類型 這裏就是  BoardFeature
所以 p.second 表示了 extractStateAGZ 【這裏用了 std::bind來封裝】

反向過程：
src_cpp\elfgames\go\train\game_train.cc
兩種情況，一種是從本地的json文件裏去讀取游戲歷史記錄
第二種是通過zmq收到數據去處理
先説第二種
收到 zmq的數據以後 ，調用 _state_ext[i]->fromRecord(*r);
得到了state數據，注意，這個時候，參數類型是 <GoStateExtOffline>
回到剛才的講解 ，所以 調用了 extractStateExtAGZ 了

BindStateToStateToMemFunc 這個函數給 函數綁了個入參
而 transfer綁的是出參

問題2：這4個函數内部實現講解？
src_cpp\elfgames\go\base\board_feature.cc
實現的void BoardFeature::extractAGZ(float* features) const
看看就好，明天繼續寫