3. self.conv2 = nn.Conv2d(32, 64, 3, padding=1)두 번째 합성곱 레이어(conv2)를 정의합니다. 입력 채널 수: 32 (첫 번째 레이어의 출력) 출력 채널 수: 64 커널 크기: 3x3 padding=1으로 인해 출력 크기를 유지합니다.4. self.fc1 = nn.Linear(64 * 8 * 8, 512)여기서 왜 8x8인지 설명드리겠습니다.이것은 대략 Conv2D와 MaxPool2D의 영향이라고 할 수 있습니다. CNN의 합성곱 연산(Convolution)과 풀링 연산(Pooling)을 거치면서 입력 이미지의 크기가 점점 줄어듭니다.일단, 우리가 처리하는 입력 이미지가 3채널(RGB)의 32x32 픽셀이라고 가정합니다. (입력 이미지 크기는 일반적으로 데이터셋에 ..