要将训练好的PaddlePaddle模型部署到生产环境中，可以按照以下步骤进行：
将模型保存为一个可以加载的文件格式，比如PaddlePaddle的模型文件格式（.pdmodel和.pdiparams）或者ONNX格式（.onnx）等。
编写一个生产环境中能够加载并使用模型的应用程序或服务。这个应用程序可以是一个简单的Python脚本，也可以是一个基于PaddlePaddle Serving或其他部署工具的服务。
在生产环境中搭建一个可用的推理服务环境，比如PaddlePaddle Serving、TensorRT、TensorFlow Serving等。
将训练好的模型文件上传到推理服务环境中，并配置好相应的服务参数。
测试推理服务环境是否能够成功加载并使用模型，确保模型在生产环境中的正常运行。
开始在生产环境中使用模型进行推理操作，监控模型性能和效果，根据实际情况进行调优和优化。
通过以上步骤，您就可以将训练好的PaddlePaddle模型成功部署到生产环境中，并在实际应用中使用模型进行推理操作。