Переписать модель DNN на C++ добавив OpenMP, MPFR, GA оптимизатор.

Добрый день! Нужен специалист по C++ чтобы добавить больше производительности в модель нейросети с высокоточными вычислениями.  Мы используем библиотеки cpp_float_dec_100 для высокоточных вычислений. Из-за типа данных Multiprecision, мы не можем обучать на видео картах которые поддерживают только float or double, Поэтому вычисления нужно ускорять на процессорах добавив многопоточность. 

1) Библиотека OpenMP,  SIMD не поддерживается. 

2) Также нужно добавить возможность сохранения модели и запуск сохранённой модели для дообучения.

3) Оптимизатор Adam сменить на GA (Генетический алгоритм). Либо любой другой, какой производительнее, но не на градиентном методе, они не работаю с данной функцией.

4) Данные постоянно загружаются заново при запуске, нужно этот процесс отделить или сделать так, чтобы загружались иначе и один раз, а не после каждого запуска теста. Убедитесь при проверке.

5) Добавить метрику R^2, чтобы отображалась в каждом поколении. 

6) Добавить таймер, так как непонятно какую  вечность она будет учиться.Либо реальная демонстрация обновления метрик, с какой-то миинмальной продолжительностью. Но точно не после поколения (аналог эпохи), а во время.

Данные скину в сообщениях. 

7) Изменить Cpp_float_dec_100 на MPFR с точностью в 87 знаков в числах с плавающей запятой. Как минимум на 13 знаков вычислять меньше, что гораздо эффективнее.  Вроде эта, саму версию думаю найдёте.

https://crd.lbl.gov/divisions/amcr/mathematics-dept/math/software/gmpfrxx-an-integrated-c-implementation-of-the-gnu-mp-and-mpfr-multiple-precision-libraries/

Там как раз можно легко переключаться на двойную точность ( примерно 7 знаков)  и в любую. 

Нужно провести тесты на пригодность модели для развёртывания на серверах. При качественной работе, оплата за проект вырастет. Нужно будет работать с большим количеством данных и проверкой результатов развёртывания с исправлениями.

Нужно довести точность хотя бы в 6-7 цифр из 87.

Количество данных, миллион строк. в 130 мб и 30 мб. +-

Спасибо! Срок в 10-14 дней.