本文介绍了多个分布式图神经网络（GNN）训练框架，如DistGNN、BatchGNN、CoFree-GNN和CATGNN，强调它们在通信效率和训练速度上的显著提升。这些框架通过优化数据分区、批量生成和通信协议，实现了在大规模图上的高效训练，速度提升可达10倍以上，并有效解决了大图训练中的通信和内存问题。

该论文提出了两种方法来减少分布式图神经网络训练中的通信，包括基于矩阵的批量采样和全互连交换复制特征数据。这些方法可以提高训练效率。