diff --git a/Deep Learning/submission_template04.py b/Deep Learning/submission_template04.py
index 498fa3e..3c6b2a7 100644
--- a/Deep Learning/submission_template04.py	
+++ b/Deep Learning/submission_template04.py	
@@ -1,15 +1,37 @@
 import numpy as np
 import torch
-from torch import nn
-from torch.nn import functional as F
+import torch.nn as nn
+import torch.nn.functional as F
 
 class ConvNet(nn.Module):
     def __init__(self):
-        ...
+        super().__init__()
+        
+        # Первый сверточный слой: 3 входных канала (RGB), 3 фильтра (5x5)
+        self.conv1 = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=(5,5))
+        self.pool1 = nn.MaxPool2d(kernel_size=(2,2))
+        
+        # Второй сверточный слой: 3 входных канала → 5 фильтров (3x3)
+        self.conv2 = nn.Conv2d(in_channels=3, out_channels=5, kernel_size=(3,3))  # Ошибка: должно быть in_channels=3 -> 5
+        self.pool2 = nn.MaxPool2d(kernel_size=(2,2))
+        
+        # Flatten слой
+        self.flatten = nn.Flatten()
 
+        # Полносвязные слои
+        self.fc1 = nn.Linear(5 * 6 * 6, 100)  # Вход: 5x6x6 = 180
+        self.fc2 = nn.Linear(100, 10)  # 10 классов
     
     def forward(self, x):
-        ...
+        x = self.pool1(F.relu(self.conv1(x)))  # [batch, 3, 14, 14]
+        x = self.pool2(F.relu(self.conv2(x)))  # [batch, 5, 6, 6] (исправлено)
+        x = self.flatten(x)  # [batch, 180]
+        x = F.relu(self.fc1(x))  # [batch, 100]
+        x = self.fc2(x)  # [batch, 10]
+        return x
 
-def create_model():
-    return ConvNet()
+# Проверка кода
+img = torch.Tensor(np.random.random((32, 3, 32, 32)))  # Входное изображение (batch=32, 3x32x32)
+model = ConvNet()
+out = model(img)
+print(out.shape)  # Должно быть [32, 10]