用torch实现卷积神经网络。训练网络时出现错误。

我试图根据以下教程构建我的卷积神经网络：

https://github.com/torch/tutorials/tree/master/2_supervised

问题在于我的图像尺寸与教程中使用的尺寸不同 (3x200x200)。而且我只有两个类别。

我所做的更改如下：

修改了要在 1_data.lua 中加载的数据集。

nfeats = 3
width = 200
height = 200
ninputs = nfeats*width*height

还有

nclass，noutputs

在 3_loss.lua 和 4_train.lua 中。

我的模型与教程中训练的模型相同。为了方便，我将代码放在下面：

model = nn.Sequential()

-- 阶段 1：滤波器银行->压扁->L2 池化->归一化
model:add(nn.SpatialConvolutionMM(nfeats, nstates[1], filtsize, filtsize))
model:add(nn.Tanh())
model:add(nn.SpatialLPPooling(nstates[1],2,poolsize,poolsize,poolsize,poolsize))
model:add(nn.SpatialSubtractiveNormalization(nstates[1], normkernel))

-- 阶段 2：滤波器银行->压扁->L2 池化->归一化
model:add(nn.SpatialConvolutionMM(nstates[1], nstates[2], filtsize, filtsize))
model:add(nn.Tanh())
model:add(nn.SpatialLPPooling(nstates[2],2,poolsize,poolsize,poolsize,poolsize))
model:add(nn.SpatialSubtractiveNormalization(nstates[2], normkernel))

-- 阶段 3：标准的两层神经网络
model:add(nn.Reshape(nstates[2]*filtsize*filtsize))
model:add(nn.Linear(nstates[2]*filtsize*filtsize, nstates[3]))
model:add(nn.Tanh())
model:add(nn.Linear(nstates[3], noutputs))

当我运行 doall.lua 文件时，会出现以下错误：

 ==> online epoch # 1 [batchSize = 1]
 /home/torch/install/share/lua/5.1/torch/Tensor.lua:462: Wrong size for view. Input size: 64x47x47. Output size: 64x1600
 stack traceback:
 [C]: in function 'error'
 /home/torch/install/share/lua/5.1/torch/Tensor.lua:462: in function 'view'
 /home/torch/install/share/lua/5.1/nn/Reshape.lua:49: in function 'updateOutput'
 /home/torch/install/share/lua/5.1/nn/Sequential.lua:29: in function 'forward'
 4_train.lua:160: in function 'opfunc'
 /home/torch/install/share/lua/5.1/optim/sgd.lua:43: in function 'optimMethod'
 4_train.lua:184: in function 'train'
 doall.lua:77: in main chunk
 [C]: in function 'dofile'
 [string "_RESULT={dofile('doall.lua' )}"]:1: in main chunk
 [C]: in function 'xpcall'
 /home/torch/install/share/lua/5.1/trepl/init.lua:630: in function 'repl'
 .../torch/install/lib/luarocks/rocks/trepl/scm-1/bin/th:185: in main chunk
 [C]: at 0x00406670

我被卡在这里已经一天了。请帮帮我。