这道题目涉及的是梯度下降算法的优缺点分析。我们需要判断哪个选项的描述不正确，并提供详细的分析。

### 各选项分析：

| 选项 | 描述 | 分析 |
|------|------|------|
| A | 批梯度下降会获得全局最优解，缺点是计算量会很大 | **不完全正确**：批梯度下降不是总能获得全局最优解，特别是在非凸损失函数上，它可能会收敛到局部最优解。计算量大是因为计算所有样本的梯度。 |
| B | 梯度下降法有可能会收敛到局部最优解中 | **正确**：梯度下降法尤其是在处理非凸问题时，确实有可能会收敛到局部最优解。 |
| C | 对于模型来讲，应该选择一个固定的学习率 | **不完全正确**：固定学习率在某些情况下可以使用，但自适应学习率（如Adam, RMSProp）通常更有效，因为它可以根据需要调整学习率以提高收敛速度和稳定性。 |
| D | 样本量极大时，每次更新权重需要耗费大量的算力，这时可采取随机梯度下降法 | **正确**：随机梯度下降（SGD）在样本量大时更高效，因为它使用一个样本或小批量进行更新，从而减少了每次更新的计算量。 |

### 正确答案

根据分析，选项 A 和 C 的描述不完全正确，因此可能会误导，其中选项 C 是最明显不准确的，因为现代实践中通常使用自适应学习率，而不是固定学习率。所以**描述不正确的选项是 C**。