让$L(\mathbf{w}, b) = \sigma \left(\sum_{i=1}^n w_i x_i \right)+b$，然后偏导数$L$关于$b$，在莱布尼茨的符号中，是$\frac{\partial L}{\partial b} = 1$. 让$L(\mathbf{w}, b) = \sigma \left(\sum_{i=1}^n w_i x_i + b \right)$，然后偏导数$L$关于$b$是$\frac{\partial L}{\partial b} = \frac{\partial L}{\partial \sigma} \frac{\partial \sigma}{\partial b}$.

所以，一般来说，偏导数关于$b$在这两种情况下会有所不同，因此，在梯度下降步骤中，$b$在这两种情况下都会有不同的更新。在实践中，它可能会或不会影响模型的性能，具体取决于偏差对给定问题的重要性。阅读此答案以了解偏见的作用。