¿Cómo acceder a los parámetros del modelo de pytorch por índice y luego actualizar esa capa específica?

Si tengo una red de 5 capas, me gustaría actualizar solo la primera capa.
Actualmente, estoy haciendo algo así. Logré obtener los pesos de la primera capa, cambiarlos y devolver los pesos (solo de la primera capa). Sin embargo, no puedo combinar y actualizar los pesos nuevamente con el modelo original myModel.

Clase de definición del modelo:

class Actor(nn.Module):

def init(self, state_dim=s_dim, action_dim=1, action_lim=a_max):

super(Actor, self).__init__()

self.state_dim = state_dim
self.action_dim = action_dim
self.action_lim = torch.Tensor([action_lim])
self.fitness = 0
self.fc1 = nn.Linear(state_dim,256)
self.bn1 = nn.BatchNorm1d(1)
self.fc2 = nn.Linear(256,128)
#self.fc2.weight.data = fanin_init(self.fc2.weight.data.size())
self.bn2 = nn.BatchNorm1d(1)
self.fc3 = nn.Linear(128,64)
self.bn3 = nn.BatchNorm1d(1)
self.fc4 = nn.Linear(64,action_dim) 

def forward(self, state):

x = self.fc1(state)
x = F.relu(x)
x = self.fc2(x)
x = F.relu(x)
x = self.fc3(x)
x = F.relu(x)
action = T.tanh(self.fc4(x))

action = action * self.action_lim

return action

Este problema ocurre cuando estoy trabajando en la operación de cruce del algoritmo genético. La idea es obtener dos actores (genes) y cruzar los pesos de las primeras capas. Y luego actualizar los dos actores originales con las dos primeras capas actualizadas (descendencia). Por lo tanto, tratando de obtener un modelo de actor actualizado con los pesos de las primeras capas cambiados.