在Caffe中部署训练好的模型到生产环境中，通常可以通过以下步骤实现：
准备模型文件和权重文件：在训练完成后，需要将生成的模型文件（如.prototxt文件）和权重文件（如.caffemodel文件）准备好。
转换模型文件和权重文件：有时候需要将Caffe模型转换成其它格式，如OpenCV或TensorFlow等。可以使用相应的工具来进行转换。
加载模型：在生产环境中，通常需要使用Caffe的预测模块来加载模型，可以使用C++、Python等语言来编写加载模型的代码。
输入数据预处理：对输入的数据进行预处理，如归一化、缩放等操作，以符合训练时模型的输入要求。
进行预测：使用加载好的模型对预处理后的输入数据进行预测，获取模型的输出结果。
后处理结果：根据实际需求对模型输出的结果进行后处理，如解码、可视化等操作。
部署到生产环境：将部署好的模型和相关代码部署到生产环境中，并确保系统稳定运行。
以上是在Caffe中部署训练好的模型到生产环境中的一般步骤，具体操作还需要根据实际情况进行调整和优化。