Mamba是一种新型的深度学习架构，它在保持对序列长度近似线性扩展性的同时，提供了与Transformers相当的建模能力。本书帮助读者探索Mamba在不同领域实现卓越性能的潜力，并深入理解和应用这一新兴的模型架构。本书配套示例源码、PPT课件与作者微信群答疑服务。本书共分16章，内容包括Mamba概述、Mamba架构详解、Mamba组件详解、基于PyTorch的弹簧振子动力学Mamba实战、Mamba文本情感分类实战、Mamba的文本转换实战、VisionMamba图像分类实战、多方案的Mamba文本生成实战、让Mamba更强的模块、循环神经网络详解与切片时间序列预测、基于Jamba的天气预测实战、统一了注意力与Mamba架构的Mamba2模型、Mamba结合Diffusion的图像生成实战、知识图谱的构建与展示实战、基于特征词的语音唤醒实战、多模态视觉问答实战。本书既适合Mamba架构初学者，以及人工智能、深度学习方向的从业人员，也适合高等院校或者高职高专院校相关专业的学生。