Python CNN 模型定义：输入通道数为 23，输出长度可自定义

这是一个 CNN 模型的定义，用于处理输入数据并生成输出。该模型包含多个卷积层和全连接层。

具体地，该模型包含以下层次结构：

conv1: 输入通道数为 23，输出通道数为 64，卷积核大小为 3，padding 为 1。用于提取输入数据的特征。
conv2: 输入通道数为 64，输出通道数为 64，卷积核大小为 3，padding 为 1。用于进一步提取特征。
conv3: 输入通道数为 64，输出通道数为 64，卷积核大小为 3，padding 为 1。用于再次提取特征。同时，使用了一个 dropout 层，以减少模型的过拟合。
conv4: 输入通道数为 64，输出通道数为 64，卷积核大小为 3，padding 为 1。用于进一步提取特征。
conv5: 输入通道数为 64，输出通道数为 128，卷积核大小为 3，padding 为 1。用于进一步提取特征。
conv6: 输入通道数为 128，输出通道数为 128，卷积核大小为 3，stride 为 1，padding 为 1。用于进一步提取特征。
conv7: 输入通道数为 128，输出通道数为 128，卷积核大小为 3，stride 为 2，padding 为 1。用于进一步提取特征。同时，使用了一个 dropout 层。
conv8: 输入通道数为 128，输出通道数为 128，卷积核大小为 3，stride 为 2，padding 为 1。用于进一步提取特征。同时，使用了一个 dropout 层。
fc1: 全连接层，输入大小为 256，输出大小为 128。用于将卷积层的输出转换为线性特征。
fc2: 全连接层，输入大小为 128，输出大小为 output_len。用于生成最终的输出。

这个模型适用于处理输入数据，并生成与 output_len 相同大小的输出。