分类任务中模型训练时train_acc上升异常

数据集的训练集有 3921 张图片，测试集有951张图片，共分为六类。

加载基础模型，设置如下：

def make_model(args):
    model = models.swin_b(weights=True)
    for param in model.parameters():
        param.requires_grad = True
    num_ftrs = model.head.in_features
    model.head= nn.Linear(num_ftrs, args.num_classes)
    return model

在模型训练的过程中发现，当将param.requires_grad = False时，训练第一个epoch的train_acc大概在百分之三十几，而后随着epoch的增加，train_acc是缓慢上升的，经过100个epoch后train_acc在百分之八十六左右。测试结果的各指标都比较低。

当将param.requires_grad = True时，训练第一个epoch的train_acc会很高，第二个epoch会直接蹦到九十几，训练几轮或十几轮后train_acc就能到百分之百，而train_loss会继续下降。测试集上的各个指标虽然也不是很高，但是比设置成False时要好一点。

想问问大家这种情况正常吗？为什么会出现这种情况呢？有什么解决方法吗😢求助~