本申请公开了一种本地学习方法、设备及介质。方法包括：通过TinyML模型接收输入的数据流，将数据流通过TinyML模型进行推理，得到推理数据流，并将推理数据流发送至本地学习模块；将推理数据流输入至本地学习模块的附加神经网络层，通过附加神经网络层进行推理，得到预测结果；根据数据流获取标签流，根据预测结果与标签流确定更新矩阵，将更新矩阵发送至本地学习模块的更新层；根据更新矩阵确定更新权重参数，并将更新权重参数发送至附加神经网络层，以根据更新权重参数将附加神经网络层进行更新。本申请通过本地学习系统实现了在资源受限的MCU在线学习，根据收集的数据在本地进行模型权重更新，有效解决了MCU的约束和限制。