# TinyML — modele na mikrokontrolerach

EN: **TinyML on microcontrollers** · id `tinyml` · aliases: TinyML, tiny machine learning, ML na mikrokontrolerach, microcontroller ML

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Inferencja i infrastruktura](https://aiatlasgraph.com/t/systems.md) › [AI lokalnie i na urządzeniach](https://aiatlasgraph.com/t/edge.md) › TinyML — modele na mikrokontrolerach

## Description

- PL: Uruchamianie sieci neuronowych na mikrokontrolerach z kilobajtami pamięci i miliwatami mocy: projektowanie bardzo małych architektur razem z oszczędnym silnikiem inferencji, kwantyzacja do 8 bitów i mniej.
- EN: Running neural networks on microcontrollers with kilobytes of memory and milliwatts of power: co-designing tiny architectures with a lean inference engine, and quantising to 8 bits or fewer.

## In one sentence

- PL: To uruchamianie bardzo małych modeli na prostych urządzeniach z niewielką pamięcią i zapasem energii.
- EN: This runs tiny models on simple devices with little memory and limited energy.

## Problem it solves

- PL: Czujnik ma rozpoznawać zdarzenia samodzielnie, lecz nie dysponuje zasobami telefonu ani serwera.
- EN: A sensor needs to recognise events by itself but lacks the resources of a phone or server.

## What it does

- PL: Model i środowisko projektuje się razem, zmniejszając sieć, dokładność zapisu i pamięć roboczą do ograniczeń urządzenia.
- EN: Model and runtime are designed together, reducing network size, numerical precision and working memory to fit device limits.

## Everyday example

- PL: Mały moduł na baterii rozpoznaje umówioną komendę głosową bez przesyłania ciągłego nagrania.
- EN: A small battery-powered module recognises a chosen voice command without transmitting continuous recordings.

## This concerns you if you…

- PL: budujesz czujniki z małą pamięcią
- PL: model musi oszczędnie działać na baterii
- EN: build sensors with little memory
- EN: need a model to run efficiently on battery power

## Keywords

MCUNet · keyword spotting · INT8 quantization · tensor arena · static memory planning · microcontroller inference · TinyEngine

## How it works

- PL: Małą architekturę współprojektuje się z operatorami i harmonogramem mieszczącym wagi oraz bufory w pamięci mikrokontrolera. Kwantyzacja, ponowne użycie buforów i statyczne planowanie ograniczają koszt inferencji na danych z lokalnych czujników.
- EN: Small architectures are co-designed with operators and schedules fitting weights and buffers into microcontroller memory. Quantisation, buffer reuse and static planning limit inference costs on local sensor data.

## Limits

- PL: Pamięć robocza może dominować mimo małych wag. Ograniczone operatory i energia wymuszają kompromisy jakości; rzeczywiste sygnały, hałas oraz kalibrację czujnika trzeba sprawdzić na urządzeniu.
- EN: Working memory can dominate despite small weights. Limited operators and energy force quality trade-offs; actual signals, noise and sensor calibration need on-device checks.

## Key terms

- PL: **arena tensorów**: Wspólny obszar pamięci planowany dla buforów wykonania modelu.
- PL: **planowanie statyczne**: Ustalenie przydziału pamięci i kolejności operacji przed uruchomieniem.
- EN: **tensor arena**: A shared memory region planned for model execution buffers.
- EN: **static planning**: Determining memory allocation and operation order before execution.

## Know first

- [Perceptron wielowarstwowy (MLP) (Multilayer perceptron (MLP))](https://aiatlasgraph.com/t/mlp.md)
- [Kwantyzacja wag i aktywacji (Weight and activation quantization)](https://aiatlasgraph.com/t/actquant.md)

## Examples

- PL: wykrywanie słów kluczowych · wizja na mikrokontrolerze · wspólne projektowanie modelu i silnika (MCUNet) · kwantyzacja int8
- EN: keyword spotting · vision on a microcontroller · model–engine co-design (MCUNet) · int8 quantisation

## Related topics

Untyped, symmetric "see also" links.

- [Kwantyzacja wag i aktywacji (Weight and activation quantization)](https://aiatlasgraph.com/t/actquant.md)

## Sources

- [ExecuTorch Overview (ExecuTorch 1.5 docs)](<https://docs.pytorch.org/executorch/stable/intro-overview.html>) `executorch-overview` · by PyTorch / Meta · sponsored
- [MCUNet: Tiny Deep Learning on IoT Devices](<https://arxiv.org/abs/2007.10319>) `mcunet-2020` · by Ji Lin, Wei-Ming Chen, Yujun Lin, John Cohn, Chuang Gan, Song Han (MIT, MIT-IBM Watson AI Lab)
- [MIT 6.5940: TinyML and Efficient Deep Learning Computing (Fall 2024)](<https://hanlab.mit.edu/courses/2024-fall-65940>) `mit-65940-efficientml` · by Song Han (MIT HAN Lab)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/tinyml · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30