1.通过np.arange(TOPIC_NUM)构造每个topic的索引输入，再重复BATCH次，通过embedding构建主题语义空间。
2.将主题语义空间映射到统一语义空间，至此，wt_emb的形状是[BATCH,TOPIC_NUM,DIM]。
3.将seq_input映射到词嵌入空间，再映射到统一语义空间，x的形状是[BATCH,SEQ_LEN,DIM]
4.通过dot，计算match得分，match的形状是[BATCH,SEQ_LEN,TOPIC_NUM]
5.将ntm生成的represent_mu与match得分add，topic_sum的形状是[BATCH,SEQ_LEN,TOPIC_NUM]
6.加入残差和全连接层，完成一个hop的计算。

跟论文中描述的：通过W生成S和Target矩阵，再计算P和R，有很大出入。