线性回归：手写梯度下降

不调用任何优化器，从零实现线性回归的全批量梯度下降训练。给定数据 X, y 和学习率 lr，从零初始化参数出发，执行 `steps` 步梯度下降，返回训练得到的 (w, b)： 初始化: w = zeros(D), b = 0.0 损失: L = mean((X @ w + b - y) ** 2) # MSE，对全部样本取均值 每步: w -= lr * dL/dw ； b -= lr * dL/db 返回: 元组 (w, b)，其中 w 为形状 (D,) 的 float32 张量，b 为 Python float。 要求： - 严格按上述初始化和更新顺序实现（先更新 w 再更新 b，或两者用同一步的梯度，注意不要用更新后的 w 重新计算 dL/db）； - 不要调用 torch.optim 中的任何优化器； - 判题按 allclose 比较每一步收敛后的参数值。