有没有办法只用tensorflow.estimator.train_and_evaluate()保存最好的模型？

是的，可以使用tensorflow.estimator.train_and_evaluate()来保存最好的模型。tensorflow.estimator.train_and_evaluate()是一个用于训练和评估模型的高级API，它集成了训练和评估的过程，并且可以自动保存最好的模型。

当使用tensorflow.estimator.train_and_evaluate()进行训练时，你可以通过设置tf.estimator.BestExporter来指定保存最好模型的方式。BestExporter会根据某个评价指标（如准确率或损失函数）自动选择并保存最好的模型。

下面是一个示例代码，展示了如何使用tensorflow.estimator.train_and_evaluate()并保存最好的模型：

import tensorflow as tf

# 定义Estimator
estimator = tf.estimator.Estimator(
    model_fn=model_fn,
    model_dir='model_dir'
)

# 定义BestExporter
exporter = tf.estimator.BestExporter(
    serving_input_receiver_fn=serving_input_receiver_fn,
    exports_to_keep=1
)

# 定义TrainSpec和EvalSpec
train_spec = tf.estimator.TrainSpec(
    input_fn=train_input_fn,
    max_steps=num_train_steps
)
eval_spec = tf.estimator.EvalSpec(
    input_fn=eval_input_fn,
    steps=eval_steps,
    exporters=exporter
)

# 使用train_and_evaluate进行训练和评估
tf.estimator.train_and_evaluate(estimator, train_spec, eval_spec)

在上面的代码中，model_fn是模型的构建函数，serving_input_receiver_fn是模型的输入函数，train_input_fn和eval_input_fn是训练和评估的输入函数，num_train_steps是训练步数，eval_steps是评估步数。

通过设置BestExporter为评估器的导出器，exports_to_keep参数设置为1，可以保留最好的模型，即使在多次评估之后。

推荐的腾讯云相关产品是腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow），它提供了强大的基于TensorFlow的云端AI服务，包括训练与推理、模型管理和部署等功能。您可以在腾讯云机器学习平台上使用tensorflow.estimator.train_and_evaluate()来保存最好的模型。

注意：本回答中没有提及其他云计算品牌商，如有需要，可以进一步了解其他品牌商的相关产品和服务。