def load_data(args): dataset = AFADDataset(args['DATASET'], args['ANNOTATION'], args['INPUT_SIZE'], True) indices = list(range(len(dataset))) np.random.shuffle(indices) val_size = int(args['VAL_RATIO'] * len(dataset)) val_idx, train_idx = indices[: val_size], indices[val_size:] train_sampler = SubsetRandomSampler(train_idx) val_sampler = SubsetRandomSampler(val_idx) train_loader = DataLoader(dataset, batch_size=args['BS'], sampler=train_sampler, num_workers=args['NW'], pin_memory=True) val_loader = DataLoader(dataset, batch_size=args['BS'], sampler=val_sampler, num_workers=args['NW'], pin_memory=True) data_loaders = {'train': train_loader, 'val': val_loader} return data_loaders用了哪些函数

这段代码使用了以下函数：

- `AFADDataset`：自定义的数据集类，用于加载数据集。
- `list`：Python内置函数，将可迭代对象转换为列表。
- `range`：Python内置函数，用于生成一个整数序列。
- `np.random.shuffle`：NumPy函数，将序列随机排列。
- `int`：Python内置函数，将输入转换为整数。
- `SubsetRandomSampler`：PyTorch函数，用于创建一个采样器对象，用于对数据集进行采样。
- `DataLoader`：PyTorch函数，用于将数据集包装成可迭代的数据加载器对象。
- `{'train': train_loader, 'val': val_loader}`：Python字典，将训练数据加载器对象和验证数据加载器对象打包成一个字典返回。