如果bp神经网络中所有结点

如果在bp神经网络中所有结点的激活函数都是恒等函数，那么该神经网络就变成了一个简单的线性模型。在这种情况下，神经网络的训练过程可以通过最小二乘法来实现，即使网络层数很多也不会增加训练的困难程度。然而，这种情况下神经网络的表达能力会大大降低，很难处理非线性问题。

因此，通常在bp神经网络中会选用非线性激活函数，例如sigmoid、tanh、ReLU等。这些函数能够将输入的信息进行非线性转换，使得神经网络能够更好地表达复杂的非线性关系。这同时也带来了训练过程的困难，如梯度消失和梯度爆炸等问题，需要采用一些优化手段才能有效地训练神经网络。

除此之外，还可以在神经网络的某些层中使用恒等函数，这样可以减少网络中的非线性转换，保持网络输出的信息原封不动，适用于某些特定的任务，例如回归问题。