SGD（随机梯度下降）优化算法的主要特点是每次迭代使用一个小批量样本来计算梯度，而不是使用全部数据集（选项A错误）或仅选择一个样本（选项B错误）。这种方法可以在保证计算效率的同时，减少参数更新的方差，从而更稳定地收敛。选项D错误，因为SGD需要计算梯度来更新模型参数。