我有一个语音数据集，其形状为（None，128,128,1）。最大数据约为2，最小数据约为-2。
我训练了一个自动编码器来重建它。
这是我定义的损失函数：
recon_loss=tf.reduce_mean(tf.square(self.decoder_samples-self.input_placeholder))
损失函数是正常均方误差。
我发现训练时的初始损失非常低：大约0.009。但是在经历了几次失败之后，损失将非常高，而且永远不会减少。
当我将数据归一化为（0,1）时，我发现丢失行为更好。但是规范化会破坏数据中的某些模式，所以我不想使用它。
我确定我的代码中没有错误，因为以前我使用同一数据集的不同特征表示（语音处理中的滤波器组，数据范围约为（0,20）），训练过程非常好，重建效果非常好。我对该数据使用了相同的模型结构（数据范围为（-2,2）），训练是无法解释的。
我的问题是，对于这种数据，是否有更好的重构功能？
谢谢。