lecture10,Recurrent Neural Network

Question

为什么要避免梯度消失？当前层的loss的在对权值矩阵（注意：每个时刻的权值矩阵是相同的）求导时，由于链式法则，得到的是一个求和项，其中每一项对应与前面一层对权值矩阵的求导，而在rnn中梯度消失是指求和项中当前层较远的关于权值矩阵的梯度为0，但这不会导致该求和项为0呀！
而我理解的gradient vanishing是指权值矩阵不会变化。