Go实现反向传播时，调用sigmoidPrime为何修改delta矩阵？

我正在研究神经网络，参考Michael Nielsen的《Neural Networks and Deep Learning》，将书中首个Python网络代码转为Go应用，目前核心问题出在反向传播函数中：

前向传播阶段代码 #

// Definitions above
for i := 0; i < len(nn.weights); i++ {
    var z mat.Dense
    weights := nn.weights[i]
    biases := nn.biases[i]
    z.Mul(weights, a)
    z.Add(&z, biases)
    zs[i] = &z
    applySigmoid := func(_, _ int, v float64) float64 {
        return sigmoid(v)
    }

    z.Apply(applySigmoid, &z)
    a = &z
    activations[i] = a
}

问题现象 #

反向传播时，我定义delta为最后一层激活矩阵与标签y的cost_derivative，随后对zs最后一个矩阵调用Apply执行sigmoidPrime函数，却发现delta矩阵的值也被修改（二者内存地址不同）。相关输出如下：

0xc0000120d8
⎡0.09982711116022883⎤
⎢0.24260080224285077⎥
⎢0.15233709720227542⎥
⎢0.19494995716396032⎥
⎢0.15726110223847964⎥
⎢0.11059359868590982⎥
⎢0.17026207248890898⎥
⎢0.15609114217030096⎥
⎢ -0.810915969767469⎥
⎣0.15840349924957667⎦
11111111111111111111111111
0xc0000120d8
⎡ 0.2493781922654036⎤
⎢0.24635733720120548⎥
⎢ 0.2485551795164905⎥
⎢0.24763962253727612⎥
⎢0.24846065795203182⎥
⎢0.24923712159141503⎥
⎢0.24819689472860218⎥
⎢ 0.2484833845383838⎥
⎢ 0.2130189186834713⎥
⎣0.24843830572599868⎦
22222222222222222222222222

对应反向传播代码片段 #

delta := nn.cost_derivative(activations[len(activations)-1], y)

fmt.Println(&delta)
fmt.Println(mat.Formatted(delta))
fmt.Println("11111111111111111111111111")
applySigmoidPrime := func(_, _ int, v float64) float64 {
    return sigmoidPrime(v)
}
zs[len(zs)-1].Apply(applySigmoidPrime, zs[len(zs)-1])

fmt.Println(&delta)
fmt.Println(mat.Formatted(delta))
fmt.Println("22222222222222222222222222")
delta.MulElem(delta, zs[len(zs)-1])
nabla_b[len(nabla_b)-1] = delta
nabla_w[len(nabla_w)-1].Mul(delta, activations[len(activations)-1].T())
time.Sleep(100000000000)

已确认zs[len(zs)-1]与delta内存地址不同，但delta仍被修改。尝试使用临时矩阵、手动循环替代GoNum的Apply方法均无效，导致权重与偏置无法正确调整，请问该现象的原因是什么？

内容的提问来源于stack exchange，提问作者NRed12