bp神经网络用relu作为激活函数用什么做输出函数

在使用ReLU作为激活函数的BP神经网络中，输出层可以使用不同的激活函数，具体选择哪种激活函数取决于具体的问题和任务需求。

如果是回归问题，通常可以直接在输出层不使用激活函数，直接输出线性的预测结果。这样，神经网络将输入映射到输出的过程就变成了一个简单的线性变换。如果预测结果需要进行限制，比如必须是非负数，那么可以使用ReLU的变形，比如指数线性单元（Exponential Linear Unit，ELU）等。

如果是分类问题，通常可以使用softmax函数作为输出层的激活函数，将神经网络的输出转化为每个类别的概率分布。如果是二分类问题，也可以使用sigmoid函数作为输出层的激活函数，将神经网络的输出转化为一个0到1之间的实数，表示分类为正例的概率。

总之，选择什么样的输出函数要根据具体问题和任务需求来定，需要考虑到数据的特点、预测结果的限制等多个因素。