本文总结了图神经网络(GNN)中的加速算法，包括训练、推理和执行加速。对现有方法进行了分类和特征化分析，并回顾了相关库和提出了未来研究方向。

本文综述了图神经网络（GNN）的加速算法，包括训练、推理和执行加速。对每个主题下的现有方法进行了分类和描述，并进行了特征化分析。回顾了几个与GNN加速算法相关的库，并讨论了可扩展图学习（SGL）库。提出了未来研究的有希望的方向。

本文提出了一种基于梯度的凸优化算法，设计了具有最强收敛保证的加速优化算法，进一步扩展到一类非凸函数，并在基准数据集上验证了其优异性能。算法可以均匀地控制逃离非退化鞍点所需的时间。