我是数据科学的初学者。我正在尝试使用自定义 autograd 函数来理解这个用于梯度计算的 PyTorch 代码：

class MyReLU(torch.autograd.Function):

@staticmethod
def forward(ctx, x):

    ctx.save_for_backward(x)
    return x.clamp(min=0)

def backward(ctx, grad_output):

    x, = ctx.saved_tensors
    grad_x = grad_output.clone()
    grad_x[x < 0] = 0
    return grad_x

但是，我不明白这一行：grad_x[x < 0] = 0。谁能解释这部分？