问题原因
一般是用户习惯了torch的传参，paddle的TensorDataset接收一个列表，
所以像下面这么写
dataset = TensorDataset([data_X, data_Y])
扩展知识
torch.utils.data.TensorDataset的参数
torch.utils.data.TensorDataset是PyTorch中的一个数据集类，用于将一个或多个张量组合为一个数据集。它的使用方式如下：
dataset = TensorDataset(*tensors)
其中，*tensors是一个或多个张量。如果传递多个张量，它们的第一个维度必须相同，即它们必须具有相同的样本数。torch.utils.data.TensorDataset会将这些张量的对应元素组合为一个样本，并将这些样本组合成一个数据集对象。
以下是torch.utils.data.TensorDataset方法的参数说明：
*tensors：一个或多个张量，用于创建数据集对象。如果传递多个张量，它们的第一个维度必须相同，即它们必须具有相同的样本数。
该方法会根据传递的张量创建一个数据集对象，它的每个元素都是一个由这些张量的对应元素组成的元组。例如，如果传递两个张量x和y，其中x的形状为(n, d)，y的形状为(n, 1)，那么数据集中的每个元素都是一个形状为(d + 1,)的一维张量，其中前d个元素来自x，最后一个元素来自y。
该方法的返回值是一个torch.utils.data.TensorDataset对象，可以用于训练和评估模型。
Person:
- 为什么有多个tensor输入的时候，paddle里的TensorDataset在参数里需要加[]，而torch的TensorDatase不用[]
和paddle的差别
在PyTorch中，可以将多个张量直接传递给TensorDataset的构造函数，而在PaddlePaddle中，需要将多个张量放在一个列表中传递给TensorDataset的构造函数。
具体来说，在PyTorch中，TensorDataset的构造函数定义为：
def __init__(self, *tensors: Tensor) -> None:
可以看到，参数tensors使用了可变参数的语法，即可以接受任意个数的Tensor类型参数。因此，在使用时可以直接传递多个张量，不需要将它们放在列表中。
而在PaddlePaddle中，TensorDataset的构造函数定义为：
def __init__(self, tensors: List[Tensor], use_double_buffer: bool = False):
可以看到，参数tensors是一个列表类型，要求传递一个Tensor类型的列表。因此，在使用时需要将多个张量放在列表中传递给构造函数，即使只传递一个张量也需要放在列表中。
这是两个框架在API设计上的不同。