训练好的深度学习模型怎么应用到数据库中

将训练好的深度学习模型应用到数据库中的过程可以分为两个步骤：

1. 数据库中数据的预处理。将数据库中的数据进行预处理，将其转化为模型可以接受的格式。例如，将文本数据转化为向量表示。

2. 使用模型进行预测。将预处理后的数据输入到模型中进行预测，并将预测结果保存回数据库中。

具体实现方式可以根据具体的应用场景和技术栈选择不同的工具和框架。例如，可以使用 Python 中的 Pandas 库进行数据预处理，使用 Tensorflow 或 PyTorch 进行模型训练和预测，使用 SQL 或者 NoSQL 数据库进行数据存储和查询等。