我有一个想法，谁能帮我实现吗？
说明：用DQN算法，或者更新的增强算法，图片识别用Inception V4； 具体步骤：共计N关，一共N个图片，每个关卡N个图片， 分别在文件夹名为1、2、3、文件夹内，+1、0、-1用这个对应文件夹代表奖励值， 动作：第一关的图片随机打乱处理，一张一张循环输入，程序做出动作，可以选择或者不选择某个图片，如果不选择，图片继续循环输入，选择一个图片，反馈奖励为上面说的奖励（+1、0、-1），如果不选择也可以，图片循环完成，看奖励分数决定是否进入下一关；
每一关最多选择5个图片，可以不选择，也可以1个，2个等，不超过5个的图片，奖励值相大于等于0分，就能进入下一关；如果相加值为-5，则从第一关重新开始；
第二、每次通过所有关卡的最终价值，要记录，以便知道训练结果，最终训练使得所有的获得值相加最大；
第三、关卡可以扩展，每个关卡图片数量不固定；
第四、模型训练完成后目的：给一组图片，选出不超过5个图片，不选也可以的。
