实现 BatchNorm 前向传播（训练模式）

从零实现批归一化（Batch Normalization）训练模式的前向传播。实现类 `BatchNorm`，构造时接收缩放/平移参数与 eps，forward 对输入的**批维度（dim 0）**做归一化： mean = x.mean(dim=0) var = x.var(dim=0, unbiased=False) # 有偏方差（除以 N，不是 N-1） y = (x - mean) / sqrt(var + eps) * gamma + beta 要求： - 类必须继承 torch.nn.Module； - `__init__(self, gamma: torch.Tensor, beta: torch.Tensor, eps: float)`，把 gamma/beta注册为名为 `gamma` 和 `beta` 的 nn.Parameter（梯度检查按这两个名字进行）； - gamma/beta 形状为 (C,)，x 形状为 (N, C)，统计量按批维度逐特征计算； - 不要调用 torch.nn.BatchNorm1d 等现成模块；不要维护 running stats。