使用tensorflow2.0.0版本实现多变量线性回归模型，要求有准备数据、构建模型、训练模型、预测模型四步，权重有3个，分别为9.0、2.0、8.0，偏置为1.0，无需在控制台输出结果，但是要使用matplotlib输出图像

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 准备数据
x_data = np.random.rand(100, 3)
w_data = np.array([9.0, 2.0, 8.0])
b_data = 1.0
y_data = np.matmul(x_data, w_data) + b_data

# 构建模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(units=1, input_shape=[3])
])

# 编译模型
model.compile(optimizer=tf.keras.optimizers.SGD(0.1),
loss='mean_squared_error')

# 训练模型
history = model.fit(x_data, y_data, epochs=100)

# 预测模型
x_test = np.array([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]])
y_pred = model.predict(x_test)

# 输出图像
plt.plot(history.history['loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.show()