主要操作：

1.定义一个d矩阵，用来规定随机忽略部分神经元

d3 = np.random.rand(a3.shape[0],a3.shape[1]) < keep_prob
// keep_prob是一个具体数字，介于(0,1)，表示保留任何一个节点的概率，不同层的keep_prob可能不同

需要注意的是，如果一个隐藏层的W矩阵的参数越多，那么它的过拟合的风险就越大，因此该层对应的keep_prob值应该越小一些。这个思路有点类似处理L2正则化里面的λ。

2.获取激活函数

a3 =np.multiply(a3,d3)
// d3是一个布尔矩阵，与a3相乘后随机使a3中的部分元素变为0

3.向外拓展

a3 /= keep_prob
// 维持a3的方差，该部分就是所谓的dropout方法