增加训练层数

[Sh3lock]

嗨，我想提高代码中的训练层数，于是我将class RetinexMamba(nn.Module):中的level = 2 改为了level =3，修改后的代码如下：
`class RetinexMamba(nn.Module):
"""
多阶段 Retinex 图像处理网络，每个阶段都通过 RetinexMamba_Single_Stage 来实现，
进行图像的照明估计和增强。
"""
def init(self, in_channels=3, out_channels=3, n_feat=48, stage=1, num_blocks=[2, 4, 4,4], d_state=16):
"""
初始化 Retinex 图像处理网络。

    参数:
        in_channels (int): 输入图像的通道数，通常为3（RGB图像）。
        out_channels (int): 输出图像的通道数，通常为3（RGB图像）。
        n_feat (int): 特征层数，表示中间特征的深度。
        stage (int): 网络包含的阶段数，每个阶段都使用一个 RetinexMamba_Single_Stage 模块。
        num_blocks (list): 每个阶段的块数，指定每个单阶段中的块数量。
    """
    super(RetinexMamba, self).__init__()
    self.stage = stage  # 网络的阶段数

    # 创建多个 RetinexMamba_Single_Stage 实例，每个实例都作为网络的一个阶段
    modules_body = [RetinexMamba_Single_Stage(in_channels=in_channels, out_channels=out_channels, n_feat=n_feat, level=2, num_blocks=num_blocks, d_state=d_state)
                    for _ in range(stage)]
    
    # 将所有阶段模块封装成一个顺序模型
    self.body = nn.Sequential(*modules_body)`

[Sh3lock]

可是我发现它并没有正常工作，我看了好多遍代码也没发现问题，你可以提示我一下如果需要增加level还需要修改哪些地方吗？