Mini NPU Simulator

A lightweight NPU simulation project implementing MAC operations and pattern classification from scratch.
MAC 연산과 패턴 분류 과정을 직접 구현하며 NPU의 기초 연산 원리를 학습한 시뮬레이션 프로젝트

CODYSSEY · Foundation Program | 입학연수 과정
Python Algorithms MAC Operations JSON Error Handling

---

Overview | 프로젝트 소개

This project simulates MAC (Multiply-Accumulate) operations, one of the core computational ideas behind NPUs, and compares input patterns against filters to classify their shapes.

NPU의 핵심 연산 개념 중 하나인 **MAC(Multiply-Accumulate)**을 직접 구현하고 입력 패턴과 필터의 점수를 비교하여 형태를 판정합니다. NumPy에 의존하지 않고 순수 Python 반복문으로 계산 과정을 구현하여 내부 연산을 이해하고 설명하는 데 초점을 맞췄습니다.

Key Implementation | 핵심 구현

• MAC computation with nested loops | 2중 반복문 기반 MAC 연산
• O(N²) matrix traversal | 행렬 연산의 시간복잡도 확인
• 1e-9 epsilon policy | 부동소수점 오차를 고려한 판정
• JSON-based test analysis | JSON 테스트 데이터 분석
• Input validation and recovery | 입력 오류 검증과 재입력 흐름
• Modular project structure | 연산·데이터·리포팅 역할 분리

Project Structure | 프로젝트 구조

mini-npu-simulator/
├── main.py
├── core/
│   └── npu_core.py
├── data/
│   └── data.json
├── utils/
│   └── reporter.py
├── docs/
│   └── LEARNING_LOG.md
└── README.md

Run | 실행 방법

python main.py

1  Keyboard input
2  JSON analysis

Example 3×3 Cross input | 3×3 Cross 입력 예시:

0 1 0
1 1 1
0 1 0

Expected classification | 예상 결과: Cross

Learning Focus | 학습 포인트

This project was an early step from using software to reasoning about computation directly.

개발 초기 단계에서 단순히 프로그램을 사용하는 것을 넘어 연산이 내부에서 어떻게 이루어지는지 직접 구현하고 설명하는 경험을 했습니다. 특히 알고리즘 복잡도와 수치 정밀도, 입력 검증이 실제 프로그램의 결과에 어떤 영향을 주는지 확인했습니다.

Learning Log | 상세 학습 기록

MAC 연산, epsilon 판정 정책, 테스트 분석과 import/모듈 문제 해결 과정은 별도의 Learning Log에 보존했습니다.

➡️ View Detailed Learning Log

---

CODYSSEY AI All-in-One · Foundation Program