def forward(self, x):
        if self.training: #inne zachwania w trainie i teście
            mu_B = torch.mean(x, dim = 0) #obliczenie średniej kroczącej
            tab = (x - mu_B) ** 2
            sigma_B = torch.mean(tab, dim = 0)
            x_hat = (x - mu_B) / torch.sqrt(sigma_B + self.eps)
            y_hat = self.gamma * x_hat + self.beta

            self.mu = (1 - self.momentum) * self.mu + self.momentum * mu_B
            self.sigma = (1 - self.momentum) * self.sigma + self.momentum * torch.sqrt(sigma_B)

        else: #czym się to różni
            x_hat = (x - self.mu) / torch.sqrt(self.sigma + self.eps)
            y_hat = self.gamma * x_hat + self.beta
        return y_hat