正确答案是B: 防止过拟合。

### 分析：

**Dropout层的作用：**

1. **防止过拟合（B）**：
- Dropout 是一种正则化技术，目的是在训练过程中随机地忽略（即“丢弃”）一部分神经元的输出。这种随机丢弃的方式可以防止神经网络对训练数据过于拟合，从而提高模型在测试数据上的泛化能力。
- 在训练过程中，每次更新参数时，Dropout层都会随机选择一部分神经元进行“丢弃”，这些神经元在当前训练步骤中不参与计算。这种方法可以迫使网络的不同部分学会更加独立地提取特征，从而减少过拟合的风险。

2. **加快收敛速度（A）**：
- Dropout 并不直接加快模型的收敛速度。事实上，由于每次训练时只有部分神经元参与计算，训练过程可能会变得更慢。但是，Dropout 可以提高模型的泛化能力，从而在一定程度上间接地改善模型的收敛效果。

3. **丰富训练样本（C）**：
- Dropout 并不改变训练样本的数量或内容。它只是通过随机丢弃神经元的方式来改变网络的结构和训练过程，但训练样本本身并没有被丰富。

4. **增强正样本（D）**：
- Dropout 与增强正样本无关。增强正样本通常指的是通过数据增强技术来增加训练数据的多样性，而 Dropout 主要是通过改变网络的结构来提高模型的泛化能力。

综上所述，Dropout层的主要作用是防止过拟合，因此正确答案是B。