代码中全连接层打开没

在代码中，ResNet50 模型的基础部分是加载预训练权重，并且去掉了顶部的全连接层（`include_top=False`）。然后，添加了自定义的全连接层：

def create_resnet_model(input_shape=(128, 128, 3)):
    base_model = ResNet50(weights=None, include_top=False, input_shape=input_shape)
    x = base_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256, activation='relu')(x)
    x = Dropout(0.5)(x)
    predictions = Dense(4, activation='softmax')(x)
    model = Model(inputs=base_model.input, outputs=predictions)
    return model

具体来说：
- `GlobalAveragePooling2D()` 层用于将特征图转换为固定大小的向量。
- `Dense(256, activation='relu')` 是一个具有 256 个神经元的全连接层，使用 ReLU 激活函数。
- `Dropout(0.5)` 层用于防止过拟合。
- 最后一个 `Dense(4, activation='softmax')` 层是输出层，具有 4 个神经元，对应于 4 个分类类别，并使用 softmax 激活函数进行多分类。

因此，代码中确实包含了全连接层。