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、预测模型四个步骤，使用np.random.seed准备数据，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输出模型图像

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

# 准备数据
np.random.seed(42)
x1 = np.random.rand(100, 1)
x2 = np.random.rand(100, 1)
x3 = np.random.rand(100, 1)
y = 9.0 * x1 + 2.0 * x2 + 8.0 * x3 + 1.0 + np.random.rand(100, 1)

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

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

# 训练模型
history = model.fit(np.hstack([x1, x2, x3]), y, epochs=100)

# 预测模型
x_new = np.array([[0.1, 0.2, 0.3]])
y_pred = model.predict(x_new)

# 绘制模型图像
plt.plot(history.history['loss'])
plt.title('Model Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.show()

注：由于使用np.random.seed准备数据，每次运行结果应该是一致的。