本视频由先楫资深嵌入式系统专家费振东（人称费教授）为大家介绍如何快速上手HPM6700/6400系列。

产品信息可访问以下链接了解详情： 

不管是工业自动化领域，还是汽车领域，抑或是生活家电领域，各个终端市场对电机性能都提出了更高的要求。它们不仅需要电机能够做到高效率和多功能控制，还需要电机在追求高转速的同时实现低噪音低振动的控制效果。在与日俱增的高标准性能要求下，高性能成了电机芯片竞争的关键。

纵观整个电机控制芯片市场，从低成本通用伺服驱控到中高性能通用伺服驱控，长于控制的MCU单芯片方案都是最常见且最受欢迎的，而且现在VC/FOC功能几乎已成为电机MCU的标配，是体现控制能力的核心竞争力。虽然严格来说，VC和FOC二者概念上是有差异的，但在大多数场景里，二者指的是同一种控制方法。VC矢量控制（Vector Control）将异步电动机的定子电流矢量分解为产生磁场的电流分量（励磁电流）和产生转矩的电流分量（转矩电流）分别加以控制，并同时控制两分量间的幅值和相位，是目前无刷直流电机（BLDC）和永磁同步电机（PMSM）高效控制的最优方法之一。VC矢量控制不仅解决了自然坐标系上实现电机速度、电流闭环负反馈控制难的问题，而且保证了优良的速度、转矩输出性能，在工控、汽车、家用、3D打印等行业得到了迅速的发展，成为主流电机控制的基本架构，其控制原理如下图所示：

图1 VC原理

如上图所示，VC矢量控制的核心源自于闭环负反馈，因此其带宽是电机控制产品最重要的衡量指标之一。具体来说，高带宽能够带来更快的指令响应时间和更优异的高频扰动抑制能力，这种能力最终体现在电机层面上的是更高的控制精度、更高的控制效率、更低的噪音和电机抖动。

而代码执行时间决定了带宽，是电机控制产品不可逾越的指标之一，这也造成了目前市场上电机控制产品性能输出有差异的现象。归根结底，电机控制的差异取决于芯片性能。其限制因素特别体现在以下三个方面：

• 主控芯片主频限制：芯片主频不够高，无法做到高速运算，以及提升带宽；

• 外环代码执行限制：内环代码通过原厂提供的硬件化方法可以执行很快，但是外环代码执行依旧不够快；

• 代码硬件化限制：芯片所有代码硬件化，却产生了开发难以及无法做一些常见电机控制算法等问题。

因此想要实现更优秀的控制性能，电机控制MCU的选择非常关键。上海先楫半导体已经量产的RISC-V内核HPM6700/6400系列芯片抓住了上述主要矛盾，通过提升主频来解决电机控制行业的痛点，得益于RISC-V本身的简洁性和模块化设计，CPU能运行在更高的频率，带来更高的性能。以HPM6700/6400系列芯片为例，参数如下图所示：

图2 先楫HPM6700/6400系列芯片

HPM6700/6400系列高性能MCU展示了先楫半导体高性能芯片的研发实力，HPM6700/6400系列主频高达816MHz，不仅能够解决上文提到的电机控制性能的三大限制，而且契合现在电机多核驱控一体的发展趋势。HPM6700/6400系列还为电机系统提供了精度达2.5ns的4组共32路PWM输出以及4个正交编码器接口和4个霍尔传感器接口，完美适配高性能电机控制和数字电源运动控制系统。

< 解决方案分享>

先楫HPM6000系列芯片的1us电流环 

图3 案例时序

案例使用先楫HPM6000系列芯片—HPM6400系列与HPM6300系列，采用图3所示的电流环时序，分别使用HPM6400系列与HPM6300系列芯片实测VC矢量控制中的电流环执行时间。具体而言：从提升电流内环带宽的角度出发，将图1中的VC结构划分为外环（位置速度环）、内环（电流环），如图4所示：

图4 等效VC结构

在VC矢量控制中，由于采用了坐标变换，dq轴电流在稳态情况下都是直流给定，而只在加减速或者突加减负载的时候，速度环会等效输出一个阶跃指令，电流环的带宽就是电流环能够以多快的速度去响应这个指令，带宽越大响应越快。所以说电流环执行时间直接决定了电流环的带宽，是电机控制产品必须考量的指标。

结果，先楫半导体已量产系列芯片实测的电流环执行时间如下图所示： 

图5 HPM6400、6300系列芯片电流环执行时间实测数据

如图5所示，HPM6300系列芯片的电流环执行时间接近1us，HPM6400系列电流环执行时间更是控制在1us以内，该优势不仅能够提升带宽，更是说明了先楫高性能芯片能够带来高速运算能力，实现复杂电机控制算法（如多电机同步、参数辨识、SVC（Senseless Vector Control）、谐波注入等）与电流环的同步，甚至是以更高的频率执行。在高性能先楫HPM6000系列芯片的加持下，电机产品能够不失精度地展现出更优异的控制性能。

高性能电机控制 

HPM6000系列芯片介绍

HPM6700/6400系列为HPM6000系列的旗舰产品，采用RISC-V内核(*67为双核，64为单核），主频达816MHz，凭借先楫半导体的创新总线架构、高效的L1缓存和本地存储器，创下了高达9220CoreMark和高达4651 DMIPS 的MCU性能新纪录。

除了高算力RISC-V CPU，HPM6700/6400系列产品还创造性地整合了一系列高性能外设，包括支持2D图形加速的显示系统、高速USB、千兆以太网、CAN FD等通讯接口，高速12位和高精度16位模数转换器，面向高性能电机控制和数字电源的运动控制系统。

HPM6300系列是HPM6000系列的另一款力作，采用单核32位RISC-V处理器，主频超过600 MHz，性能超过3390CoreMark和1710 DMIPS。同时，HPM6300系列支持双精度浮点运算，模拟模块包括16位模数转换器，12位数模转换器和模拟比较器，配以多组纳秒级高分辨率PWM，为电机控制和数字电源应用提供强大硬件支持。

本文内容来自先楫开发者 @Xusiwei1236，介绍了如何在HPM6750上运行边缘AI框架，感兴趣的小伙伴快点来看看。

---------------  以下为测评内容 ---------------

今天介绍的TFLM，全称是TensorFlow Lite for Microcontrollers，翻译过来就是“针对微控制器的TensorFlow Lite”。那TensorFlow Lite又是什么呢？

TensorFlow Lite（通常简称TFLite）其实是TensorFlow团队为了将模型部署到移动设备而开发的一套解决方案，通俗的说就是手机版的TensorFlow。下面是TensorFlow官网上关于TFLite的一段介绍：

“TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。”

而我们今天要介绍的TensorFlow Lite for Microcontrollers（TFLM）则是 TensorFlow Lite的微控制器版本。这里是官网上的一段介绍：

“ TensorFlow Lite for Microcontrollers （以下简称TFLM）是 TensorFlow Lite 的一个实验性移植版本，它适用于微控制器和其他一些仅有数千字节内存的设备。它可以直接在“裸机”上运行，不需要操作系统支持、任何标准 C/C++ 库和动态内存分配。核心运行时(core runtime)在 Cortex M3 上运行时仅需 16KB，加上足以用来运行语音关键字检测模型的操作，也只需 22KB 的空间。”

这三者一脉相承，都出自谷歌，区别是TensorFlow同时支持训练和推理，而后两者只支持推理。TFLite主要用于支持手机、平板等移动设备，TFLM则可以支持单片机。从发展历程上来说，后两者都是TensorFlow项目的“支线项目”。或者说这三者是一个树形的发展过程，具体来说，TFLite是从TensorFlow项目分裂出来的，TFLite-Micro是从TFLite分裂出来的，目前是三个并行发展的。在很长一段时间内，这三个项目的源码都在一个代码仓中维护，从源码目录的包含关系上来说，TensorFlow包含后两者，TFLite包含tflite-micro。

HPM SDK中的TFLM

• TFLM中间件

HPM SDK中集成了TFLM中间件（类似库，但是没有单独编译为库），位于hpm_sdk\middleware子目录：

这个子目录的代码是由TFLM开源项目裁剪而来，删除了很多不需要的文件。

• TFLM示例

示例代码是从官方的persion_detection示例修改而来，添加了摄像头采集图像和LCD显示结果。

由于我手里没有配套的摄像头和显示屏，所以本篇没有以这个示例作为实验。

在HPM6750上运行TFLM基准测试

接下来以person detection benchmark为例，讲解如何在HPM6750上运行TFLM基准测试。

• 将person detection benchmark源代码添加到HPM SDK环境

按照如下步骤，在HPM SDK环境中添加person detection benchmark源代码文件：

1、在HPM SDK的samples子目录创建tflm_person_detect_benchmark目录，并在其中创建src目录；

2、从上文描述的已经运行过person detection benchmark的tflite-micro目录中拷贝如下文件到src目录：

• tensorflow\lite\micro\benchmarks\person_detection_benchmark.cc

• tensorflow\lite\micro\benchmarks\micro_benchmark.h

• tensorflow\lite\micro\examples\person_detection\model_settings.h

• tensorflow\lite\micro\examples\person_detection\model_settings.cc

3、在src目录创建testdata子目录，并将tflite-micro目录下如下目录中的文件拷贝全部到testdata中：

1. tensorflow\lite\micro\tools\make\gen\linux_x86_64_default\genfiles\tensorflow\lite\micro\examples\person_detection\testdata

4、修改person_detection_benchmark.cc、model_settings.cc、no_person_image_data.cc、person_image_data.cc 文件中部分#include预处理指令的文件路径（根据拷贝后的相对路径修改）；

5、person_detection_benchmark.cc文件中，main函数的一开始添加一行board_init();、顶部添加一行#include "board.h”

• 添加CMakeLists.txt和app.yaml文件

在src平级创建CMakeLists.txt文件，内容如下：

cmake_minimum_required(VERSION 3.13)

set(CONFIG_TFLM 1)

find_package(hpm-sdk REQUIRED HINTS $ENV{HPM_SDK_BASE})
project(tflm_person_detect_benchmark)
set(CMAKE_CXX_STANDARD 11)

sdk_app_src(src/model_settings.cc)
sdk_app_src(src/person_detection_benchmark.cc)
sdk_app_src(src/testdata/no_person_image_data.cc)
sdk_app_src(src/testdata/person_image_data.cc)
sdk_app_inc(src)sdk_ld_options("-lm")
sdk_ld_options("--std=c++11")
sdk_compile_definitions(__HPMICRO__)
sdk_compile_definitions(-DINIT_EXT_RAM_FOR_DATA=1)
# sdk_compile_options("-mabi=ilp32f")
# sdk_compile_options("-march=rv32imafc")
sdk_compile_options("-O2")
# sdk_compile_options("-O3")
set(SEGGER_LEVEL_O3 1)
generate_ses_project()

在src平级创建app.yaml文件，内容如下：

dependency:  
   - tflm

• 编译和运行TFLM基准测试

接下来就是大家熟悉的——编译运行了。首先，使用generate_project生产项目：

这个项目因为引入了TFLM的源码，文件较多，所以右边的源码导航窗里面的Indexing要执行很久才能结束。

然后，就可以使用F7编译、F5调试项目了：

编译完成后，先打卡串口终端连接到设备串口，波特率115200。启动调试后，直接继续运行，就可以在串口终端中看到基准测试的输出了：

============================== 
hpm6750evkmini clock summary
==============================
cpu0:            816000000Hz
cpu1:            816000000H
zaxi0:            200000000Hz
axi1:            200000000Hz
axi2:            200000000Hz
ahb:             200000000Hz
mchtmr0:         24000000Hz
mchtmr1:         1000000Hz
xpi0:            133333333Hz
xpi1:            400000000Hz
dram:            166666666Hz
display:         74250000Hz
cam0:            59400000Hz
cam1:            59400000Hz
jpeg:            200000000Hz
pdma:            200000000Hz
=============================

----------------------------------------------------------------------
$$\   $$\ $$$$$$$\  $$\      $$\ $$\
$$ |  $$ |$$  __$$\ $$$\    $$$ |\__|
$$ |  $$ |$$ |  $$ |$$$$\  $$$$ |$$\  $$$$$$$\  $$$$$$\   $$$$$$\
$$$$$$$$ |$$$$$$$  |$$\$$\$$ $$ |$$ |$$  _____|$$  __$$\ $$  __$$\
$$  __$$ |$$  ____/ $$ \$$$  $$ |$$ |$$ /      $$ |  \__|$$ /  $$ |
$$ |  $$ |$$ |      $$ |\$  /$$ |$$ |$$ |      $$ |      $$ |  $$ |
$$ |  $$ |$$ |      $$ | \_/ $$ |$$ |\$$$$$$$\ $$ |      \$$$$$$  |
\__|  \__|\__|      \__|     \__|\__| \_______|\__|       \______/
----------------------------------------------------------------------

InitializeBenchmarkRunner took 114969 ticks (4 ms).
WithPersonDataIterations(1) took 10694521 ticks (445 ms)
DEPTHWISE_CONV_2D took 275798 ticks (11 ms).
DEPTHWISE_CONV_2D took 280579 ticks (11 ms).
CONV_2D took 516051 ticks (21 ms).
DEPTHWISE_CONV_2D took 139000 ticks (5 ms).
CONV_2D took 459646 ticks (19 ms).
DEPTHWISE_CONV_2D took 274903 ticks (11 ms).
CONV_2D took 868518 ticks (36 ms).
DEPTHWISE_CONV_2D took 68180 ticks (2 ms).
CONV_2D took 434392 ticks (18 ms).
DEPTHWISE_CONV_2D took 132918 ticks (5 ms).
CONV_2D took 843014 ticks (35 ms).
DEPTHWISE_CONV_2D took 33228 ticks (1 ms).
CONV_2D took 423288 ticks (17 ms).
DEPTHWISE_CONV_2D took 62040 ticks (2 ms).
CONV_2D took 833033 ticks (34 ms).
DEPTHWISE_CONV_2D took 62198 ticks (2 ms).
CONV_2D took 834644 ticks (34 ms).
DEPTHWISE_CONV_2D took 62176 ticks (2 ms).
CONV_2D took 838212 ticks (34 ms).
DEPTHWISE_CONV_2D took 62206 ticks (2 ms).
CONV_2D took 832857 ticks (34 ms).
DEPTHWISE_CONV_2D took 62194 ticks (2 ms).
CONV_2D took 832882 ticks (34 ms).
DEPTHWISE_CONV_2D took 16050 ticks (0 ms).
CONV_2D took 438774 ticks (18 ms).
DEPTHWISE_CONV_2D took 27494 ticks (1 ms).
CONV_2D took 974362 ticks (40 ms).
AVERAGE_POOL_2D took 2323 ticks (0 ms).
CONV_2D took 1128 ticks (0 ms).
RESHAPE took 184 ticks (0 ms).
SOFTMAX took 2249 ticks (0 ms).

NoPersonDataIterations(1) took 10694160 ticks (445 ms)
DEPTHWISE_CONV_2D took 274922 ticks (11 ms).
DEPTHWISE_CONV_2D took 281095 ticks (11 ms).
CONV_2D took 515380 ticks (21 ms).
DEPTHWISE_CONV_2D took 139428 ticks (5 ms).
CONV_2D took 460039 ticks (19 ms).
DEPTHWISE_CONV_2D took 275255 ticks (11 ms).
CONV_2D took 868787 ticks (36 ms).
DEPTHWISE_CONV_2D took 68384 ticks (2 ms).
CONV_2D took 434537 ticks (18 ms).
DEPTHWISE_CONV_2D took 133071 ticks (5 ms).
CONV_2D took 843202 ticks (35 ms).
DEPTHWISE_CONV_2D took 33291 ticks (1 ms).
CONV_2D took 423388 ticks (17 ms).
DEPTHWISE_CONV_2D took 62190 ticks (2 ms).
CONV_2D took 832978 ticks (34 ms).
DEPTHWISE_CONV_2D took 62205 ticks (2 ms).
CONV_2D took 834636 ticks (34 ms).
DEPTHWISE_CONV_2D took 62213 ticks (2 ms).
CONV_2D took 838212 ticks (34 ms).
DEPTHWISE_CONV_2D took 62239 ticks (2 ms).
CONV_2D took 832850 ticks (34 ms).
DEPTHWISE_CONV_2D took 62217 ticks (2 ms).
CONV_2D took 832856 ticks (34 ms).
DEPTHWISE_CONV_2D took 16040 ticks (0 ms).
CONV_2D took 438779 ticks (18 ms).
DEPTHWISE_CONV_2D took 27481 ticks (1 ms).
CONV_2D took 974354 ticks (40 ms).
AVERAGE_POOL_2D took 1812 ticks (0 ms).
CONV_2D took 1077 ticks (0 ms).
RESHAPE took 341 ticks (0 ms).
SOFTMAX took 901 ticks (0 ms).

WithPersonDataIterations(10) took 106960312 ticks (4456 ms)

NoPersonDataIterations(10) took 106964554 ticks (4456 ms)

可以看到，在HPM6750EVKMINI开发板上，连续运行10次人像检测模型，总体耗时4456毫秒，每次平均耗时445.6毫秒。

• 在树莓派上运行TFLM基准测试

树莓派3B+上可以和PC上类似，直接运行PC端的测试命令，得到基准测试结果：

可以看到，在树莓派3B+上的，对于有人脸的图片，连续运行10次人脸检测模型，总体耗时4186毫秒，每次平均耗时418.6毫秒；对于无人脸的图片，连续运行10次人脸检测模型，耗时4190毫秒，每次平均耗时419毫秒。

• HPM6750和树莓派3B+、AMD R7 4800H上的基准测试结果对比

这里将HPM6750EVKMINI开发板、树莓派3B+和AMD R7 4800H上运行人脸检测模型的平均耗时结果汇总如下：

可以看到，在TFLM人脸检测模型计算场景下，HPM6750EVKMINI和树莓派3B+成绩相当。虽然HPM6750的816MHz CPU频率比树莓派3B+搭载的BCM2837 Cortex-A53 1.4GHz的主频低，但是在单核心计算能力上没有相差太多。

这里树莓派3B+上的TFLM基准测试程序是运行在64位Debian Linux发行版上的，而HPM6750上的测试程序是直接运行在裸机上的。由于操作系统内核中任务调度器的存在，会对CPU的计算能力带来一定损耗。所以，这里进行的并不是一个严格意义上的对比测试，测试结果仅供参考。

2022年12月8日，由电子发烧友主办的2022第九届中国IoT大会在深圳圆满落幕，大会同步举行第七届中国IoT创新奖颁奖活动。在第七届中国IoT创新奖颁奖典礼上，先楫半导体凭借自主技术创新的开拓精神， 比肩国际先进的创新技术水平， 荣获 “技术创新奖”。本次的获奖产品为先楫高性能高实时 RISC-V 微控制器 HPM6700 系列，该系列填补了中国在高端MCU领域的空白，对于国内芯片市场乃至整个行业皆具有创新价值。

2022年，市场风云变幻。在产业驱动、需求驱动和价值驱动三个维度，中国IoT市场迎来了快速增长期，物联网芯片市场快速增长，物联网智能设备需求猛增。先楫HPM6700作为先楫半导体高性能高实时 RISC-V 微控制器HPM6000 家族的旗舰产品，主要应用于工业控制，矿业，汽车电子和AI边缘计算等领域， 物联网也是其发力的重要应用市场。 作为工业IoT的拳头产品， HPM6700系列的高算力、高集成度、高实时性、高安全性、高可靠性的性能特点可完美匹配工业IoT的各个应用场景。HPM6750单核运行频即可达到惊人的816MHz，加上2MB的超大片内SRAM，能完成IoT的各种复杂算法。在CoreMark跑分测试中，HPM6700获得了9220的高分，刷新了国际MCU领域的性能记录！

除了CPU的优异性能，HPM6700集成了非常丰富的片内外设。17个串口、4个CANFD、2个USB和双千兆以太网能满足工业、汽车网关的各种需求，是现场总线客户的首选！同时，HPM6700也是IoT网络的重要成员，其集成了2D图形加速、JPEG硬件解码、LCD控制器、I2S、数字音频输出等多媒体设备，加上完善的软件支持，能满足HMI、智能家居等客户的各种显示需求，轻松开发生动有趣的交互显示界面。

除此之外，HPM6700系列还具备以下优异性能特点：

• 丰富外设，集成了性能优异的模拟器件、PWM等器件，能完成电机控制、数字电源等高实时性任务的挑战；

• 拥有4个独立的PWM模块，共可输出32路灵活配置的PWM信号，能满足储能、太阳能等应用的要求；

• 片上还集成了16bit ADC，2Msps的采样率能满足IOT领域的各种现场信号采集的需求；

• HPM6700具备一个安全数据处理器 SDP，支持加解密运算 AES-128/256，也支持哈希运算 SHA-1/256和CRC32；并有安全调试、产品生命周期管理、安全启动等功能。     

先楫旨在提供完备和严密的芯片产品和配套技术支持为IOT客户的数据和代码的安全性保驾护航。值得一提的是，先楫的HPM6000家族MCU在设计和研发阶段就注重可靠性设计，HPM6750在2022年9月成功通过AEC - Q100 Grade 1的测试并已量产，能满足工业、汽车等各种复杂环境的应用。先楫半导体坚持中国定义、中国生产，面向中国客户，软件生态系统及开发工具也是完全自主研发，以开源开放的形式提供给每一位有需求的开发者使用，用积极的行动来实现MCU生态环境自主可控的发展。

关 于 先 楫 

先楫半导体是一家致力于高性能嵌入式解决方案的半导体公司，产品覆盖微控制器、微处理器和周边芯片，以及配套的开发工具和生态系统。先楫半导体以产品质量为本，所有产品均通过严格的可靠性测试。目前已经量产的两个高性能通用MCU产品系列HPM6700/6400及HPM6300，性能领先国际同类产品，并完成AEC-Q100认证，出货超百万颗，全力服务中国工业、汽车和消费市场。

近日，由上海先楫半导体科技有限公司（以下简称：先楫半导体）推出的基于HPM6700系列高性能MCU 通用开发板代码已完成并合入OpenAtom OpenHarmony（简称“OpenHarmony”）主干。这意味着先楫半导体助力开源操作系统OpenHarmony在工业控制，矿业等领域实现了新的突破。

青衿之志，笃行致远 。先楫半导体以坚定的决心打造领先高性能MCU品牌，在正式合入OpenHarmony主干后，将一如既往推进OpenHarmony开源生态建设，为更多开发工程师在研发工作中提供便利。本次的适配合作也得到双方的高度认可，先楫芯片丰富了OpenHarmony生态在新的领域应用落地，为OpenHarmony生态进入矿业、工业控制领域做出了杰出贡献。此外，不少先楫客户也迫不及待地希望先楫芯片与OpenHarmony生态的适配尽快实现，本次成功适配无疑对于先楫，OpenHarmony及两者的生态伙伴来说是积极的开端。先楫后续还将会推动更多出色的高性能MCU芯片适配，以专业性和创新性赋能OpenHarmony生态的繁荣发展。

本次首先适配的HPM6700系列产品是先楫半导体高性能高实时RISC-V MCU HPM6000系列的旗舰产品，该产品填补了我国在高端工业级MCU领域的空白，为矿业、工业控制、汽车电子、物联网、新能源和边缘计算等应用提供了可靠保障。其采用双RISC-V内核，主频达816MHz ，凭借先楫半导体的创新总线架构、高效的L1缓存和本地存储器，创下了MCU 高于 9000 CoreMark和 4500以上 的DMIPS性能新记录，创造了RISC-V 全球主频和跑分新纪录。除了高算力RISC-V CPU，HPM6700系列产品还创造性地整合了一系列高性能外设：包括支持2D图形加速的显示系统、高速USB、千兆以太网、CAN FD等通讯接口，高速12位和高精度16位模数转换器，面向高性能电机控制和数字电源的运动控制系统，以及信息安全模块如实时加解密和安全启动。先楫采用开源RISC-V, 开源RTOS，拥有架构和外设的自主产权。

自上市以来，HPM6750就因高性能、高集成度，简单易用等特点被开发者们熟知，在论坛社区等平台也吸纳了不少爱好者。先楫HPM6750正式合入OpenHarmony社区主干，很好地证明了先楫半导体拥抱开源、鼓励开源的积极态度。OpenHarmony 的新特性也在先楫HPM6750相关的开发套件适配，从而可以让开发者通过OpenHarmony 迅速体验到先楫高性能芯片的功能特性。     建设领先高性能MCU品牌的道路任重道远，先楫半导体希望通过行业需求，技术趋势等底层逻辑入手，充分发挥自身优势，加快推动芯片适配，从而促进实现先楫芯片在各个领域终端应用实现，共同定义OpenHarmony 全 “芯” 征程 。 

参考资料

主仓代码链接

device_soc_hpmicro: