BP（反向传播）神经网络的隐藏层数量实际上是可以根据具体问题和需求进行调整的，因此正确答案是D: 以上皆可。以下是对不同层数隐藏层的分析：

1. **0层隐藏层**：
- 这种情况下，BP神经网络实际上是一个简单的感知器（或称为单层感知器）。它只能解决线性可分的问题，对于复杂的非线性问题无能为力。

2. **1层隐藏层**：
- 单隐藏层的BP神经网络已经具备了处理非线性问题的能力。根据“万能逼近定理”，一个包含足够多神经元的单隐藏层神经网络可以逼近任何连续函数。不过，在实际应用中，单隐藏层可能需要非常多的神经元才能达到满意的逼近效果。

3. **2层隐藏层**：
- 增加到两层隐藏层可以提高网络的表达能力，使其能够更有效地捕捉数据中的复杂模式和特征。两层隐藏层的网络在处理复杂的非线性问题时通常表现更好。

4. **更多隐藏层（深度神经网络）**：
- 随着隐藏层数量的增加，网络被称为深度神经网络（DNN）。深度网络能够捕捉更加复杂的特征和模式，适用于图像识别、自然语言处理等复杂任务。不过，更多的隐藏层也意味着更高的计算成本和更复杂的训练过程，需要更大的数据集和更强的正则化技术来防止过拟合。

综上所述，BP神经网络可以有任意数量的隐藏层，具体的选择取决于问题的复杂性、计算资源以及数据集的大小等因素。