本发明公开了基于客户端聚类的个性化联邦学习方法、装置及设备，该方法包括：获取全局模型，对全局模型进行初始化训练，获取每个客户端在初始化训练中产生的梯度；根据客户端的梯度进行聚类分析，确定每个客户端所属的簇；将在每个簇内的客户端训练的深度神经网络的第一隐藏层集合进行共享训练，在每个簇内的客户端训练的深度神经网络的第二隐藏层集合进行个性化训练，直至本地模型收敛后得到个性化模型。解决了传统联邦学习制约个性化模型收敛性能、准确率和精度等技术问题。