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输出图像

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

# 准备数据
np.random.seed(1)
x1 = np.random.rand(100, 1) * 10
x2 = np.random.rand(100, 1) * 10
x3 = np.random.rand(100, 1) * 10
y = x1 * 9.0 + x2 * 2.0 + x3 * 8.0 + 1.0

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

# 训练模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.1), loss='mse')
history = model.fit([x1, x2, x3], y, epochs=50)

# 预测模型
x1_test = np.array([[5.0]])
x2_test = np.array([[3.0]])
x3_test = np.array([[7.0]])
y_pred = model.predict([x1_test, x2_test, x3_test])

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