BGD每次迭代都用了所有的样本，每一轮都是朝着极小值方向更新的，当函数只有一个极小值点时BGD能过够比较快的收敛的全局最优，当函数有多个极小值点时BGD容易陷入局部最优，而且当数据量很大时BDG需要消耗大量的内存，计算代价也会很高。SGD每次只用小批量的数据来计算，内存消耗小，计算代价也更低，而且SGD每次迭代不一定都沿着局部极小值点更新，但是所有轮总的的方向还是沿着局部极小值点的方向更新的，相当于引入了噪声，SGD往往还会具有跳出一些局部极小值点的能力。