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 matplotlib.pyplot as plt

# 准备数据
x1 = [1, 2, 3, 4, 5]
x2 = [0.5, 1.5, 2.5, 3.5, 4.5]
y = [8.5, 13.5, 18.5, 23.5, 28.5]

# 构建模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(units=1, input_shape=[2])
])

# 设置初始权重和偏置
model.layers[0].set_weights([tf.constant([[9.0], [2.0]]), tf.constant([1.0])])

# 训练模型
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=0.01), loss='mse')
history = model.fit(x=[x1, x2], y=y, epochs=1000, verbose=0)

# 预测模型
predict_x1 = [6, 7, 8, 9, 10]
predict_x2 = [5, 6, 7, 8, 9]
predict_y = model.predict([predict_x1, predict_x2])

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