nn.CDivTable在backward被调用时是否有有效的原因引起错误？

我最近开始使用Torch框架和Lua脚本语言进行神经网络的探索。我掌握了线性网络的基础知识，因此尝试了更加复杂但简单的东西：

想法是我有3个输入，我必须选择前两个，将它们除以并将结果转发给线性模块。因此，我制作了这个小脚本：

require "nn";
require "optim";

local N = 3;

local input = torch.Tensor{
    {1, 2, 3},
    {9, 20, 20},
    {9, 300, 1},
};

local output = torch.Tensor(N);
for i=1, N do
    output[i] = 1;
end

local ratioPerceptron = nn.Sequential();
ratioPerceptron:add(nn.Narrow(1, 1, 2));
ratioPerceptron:add(nn.CDivTable());
ratioPerceptron:add(nn.Reshape(N, 1));
ratioPerceptron:add(nn.Linear(1, 1));
ratioPerceptron:add(nn.Sigmoid());

local criterion = nn.BCECriterion();
local params, gradParams = ratioPerceptron:getParameters();
local optimState = {learningRate = 0.01};

local maxIteration = 100000;
for i=1, maxIteration do
    local function f(params)
        gradParams:zero();

        local outputs = ratioPerceptron:forward(input);
        local loss = criterion:forward(outputs, output);
        local dloss_doutputs = criterion:backward(outputs, output);
        ratioPerceptron:backward(input, dloss_doutputs);

        return loss, gradParams;
    end

    optim.sgd(f, params, optimState);
end

在训练期间调用backward时，这将失败并显示以下错误：

CDivTable.lua:21: both torch.LongStorage and (null) have no addition operator

但如果我从sequential模块中删除CDivTable，并将nn.Reshape和nn.Linear更改为二维输入（因为我们删除了将二维输入除以产生一维输出的CDivTable），则会像这样完全没有错误地完成训练：

local ratioPerceptron = nn.Sequential();
ratioPerceptron:add(nn.Narrow(1, 1, 2));
ratioPerceptron:add(nn.Reshape(N, 2));
ratioPerceptron:add(nn.Linear(2, 1));
ratioPerceptron:add(nn.Sigmoid());

是否有其他方法可以将两个选择的输入除以并将结果转发到线性模块？