随机梯度下降（Stochastic Gradient Descent，SGD）是机器学习和深度学习中广泛使用的一种优化算法，用于最小化模型的损失函数。其核心思想是每次迭代从训练数据中随机采样一个或一小批样本（mini-batch）来估计梯度，并沿梯度反方向更新模型参数。SGD具有计算开销低、内存占用小的特点，适用于大规模数据训练，是神经网络训练的基础优化方法之一。