【小白笔记】区分类方法/实例方法和静态函数/命名空间函数

针对 PyTorch 编程习惯的关键问题。在背诵代码时，理解何时需要写 torch. 前缀，何时不需要，是区分类方法/实例方法和静态函数/命名空间函数的核心。

1. X_test = X_test.to(self.device) 为什么不用 torch. 前缀？

人话解释： 因为 .to() 这个功能，是 X_test 自己作为一个“物体”（张量实例）所拥有的“能力”，而不是 PyTorch 这个“工具箱”里需要被调用的一个通用工具。

详细分解：

1. 对象方法 (Instance Method)：

   • 谁拥有？ X_test 这个张量实例拥有。
   • 怎么调用？ 必须通过实例名加点号（.）来调用，即 X_test.to(...)。
   • 作用： 通常用于操作对象自身的状态（比如把 X_test 从 CPU 移动到 GPU）。
   • 例子： .to(), .unsqueeze(), .pow(), .cpu(), .tolist()。

2. 命名空间函数 (Namespace/Static Function)：

   • 谁拥有？ 属于 torch 命名空间（即 PyTorch 整个工具箱）。
   • 怎么调用？ 必须写 torch. 前缀。
   • 作用： 通常用于创建新的张量、执行数学运算、或者进行全局配置。
   • 例子： torch.manual_seed(), torch.from_numpy(), torch.sum(), torch.sqrt(), torch.argsort()。

---

2. 什么时候应该前缀 torch.？（背诵记忆指南）

请记住这个原则：

动作类型	必须加 torch. 前缀	不加 torch. 前缀 (通过实例调用)
创建张量	torch.from_numpy(), torch.tensor(), torch.zeros()
通用运算	torch.sum(), torch.sqrt(), torch.argsort() (对任何张量都适用的数学函数)
配置/环境	torch.manual_seed(), torch.device(), torch.cuda.is_available()
张量移动		X_test.to(device), tensor.cpu()
张量形状		tensor.unsqueeze(0), tensor.view()
张量元素操作		tensor.pow(2) (通常是 Python 运算符的重载，如 **2)

针对您的 KNN 代码的记忆点：

1. 需要 torch. 的地方：

   • torch.manual_seed()
   • torch.device(...)
   • torch.from_numpy(...)
   • torch.sum(...) (数学函数)
   • torch.sqrt(...) (数学函数)
   • torch.argsort(...) (排序查找函数)

2. 不需要 torch. 的地方 (通过张量实例调用)：

   • X_train.to(self.device)
   • x_new.unsqueeze(0)
   • differences.pow(2) (这是 Tensor 对象的方法)
   • k_nearest_labels_torch.cpu().tolist()

总之，如果你看到代码中没有点号连接到 torch. 而是直接对一个变量（比如 X_test）使用点号操作（.to()），那么这个操作就是这个变量（张量实例）本身自带的能力。