【以EIGEN单线程b6c96模型maxVisits=5举例】katago analysis 求解过程

当收到json请求后，
asyncbot.cpp的AsyncBot::genMoveSynchronous会唤醒其它线程去干活。

之后，其它线程接到命令，同样是asyncbot.cpp的AsyncBot::internalSearchThreadLoop()，开始干活

搜索的关键为这一步

search->runWholeSearch(shouldStopNow,&searchBegun,pondering,tc,searchFactor);

5秒后（DEBUG版）搜索结束，获取答案，343，也是C3

Loc moveLoc = search->getChosenMoveLoc();

其中比较重要的

bool shouldStop =
  (numPlayouts >= maxPlayouts) ||
  (numPlayouts + numNonPlayoutVisits >= maxVisits);

bool finishedPlayout = runSinglePlayout(*stbuf, upperBoundVisitsLeft);

search.cpp: playoutDescend()函数则是MCTS，检查游戏是否结束，NN评估局面等等（会递归）

selectBestChildToDescend()函数通过访问次数等决定哪个子节点最适合继续探索，新版的人类策略也在此处进行
nneval.cpp: NNEvaluator::evaluate()函数先算hash看能不能命中缓存，不能就加入队列
nninputs.cpp: NNInputs::fillRowV7()函数填入各种特征：棋盘状态，气数，贴目等等
eigenbackend.cpp: NeuralNet::getOutput()函数是前向传播

在fillRowV7中，有以下代码：

  assert(board.x_size <= nnXLen);
  assert(board.y_size <= nnYLen);

其中board.x_size为13，或者16，等等，而nnXlen为19。因为我们都知道，Katago会让AI在不同大小的棋盘上玩。