本发明公开了一种基于神经网络模型剪枝的个性化协作学习方法和装置，其中，该方法包括：利用中心服务器初始化全局模型，并将全局模型下发至各边缘设备；各边缘设备接收到全局模型后，分别对全局模型进行训练以得到本地模型，基于本地模型对模型参数的重要性进行评估，并生成参数掩码矩阵；各边缘设备通过参数掩码矩阵，对参与协作训练的模型进行剪枝，将剪枝后的模型作为学生网络对本地模型进行知识蒸馏，并将剪枝后的模型上传至中心服务器，以对未被剪去的参数进行聚合。本发明能够保持模型对本地数据的适应能力，同时能够增强模型的泛化能力，在参数聚合时能避免数据分布差异过大的模型相互干扰。