当保存PyTorch模型后，其准确率变为零的问题可能是由于以下几个原因导致的：

1. 未正确加载模型参数：在保存模型之前，需要确保已经正确保存了模型的参数。在加载模型时，需要使用相同的参数名称和模型结构来加载模型参数。如果参数名称或模型结构不匹配，加载的模型将会是一个新的随机初始化模型。

2. 未正确设置模型的推断模式：在加载模型之后，需要将模型设置为推断模式。推断模式下，模型不会进行梯度计算，以提高模型的运行效率。可以通过调用model.eval()方法将模型设置为推断模式。

以下是一个示例代码，展示了如何保存和加载PyTorch模型，并确保加载后准确率不为零：

import torch
import torch.nn as nn

# 定义一个简单的模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.fc = nn.Linear(10, 2)
        
    def forward(self, x):
        return self.fc(x)

# 创建模型实例
model = Model()

# 定义输入数据和标签
input_data = torch.randn(10)
target = torch.tensor([1])

# 计算模型的准确率（假设准确率为1，这里只是示例）
accuracy = 1

# 保存模型
torch.save(model.state_dict(), 'model.pth')

# 加载模型
loaded_model = Model()
loaded_model.load_state_dict(torch.load('model.pth'))

# 设置模型为推断模式
loaded_model.eval()

# 使用加载的模型进行推断
output = loaded_model(input_data)
print(output)

# 验证加载后的模型准确率
loaded_accuracy = 0
if torch.argmax(output) == target:
    loaded_accuracy = 1

print('原模型准确率: {}, 加载后模型准确率: {}'.format(accuracy, loaded_accuracy))

在这个示例中，我们定义了一个简单的模型，并使用随机数据计算了模型的准确率。然后，我们保存模型并加载它，最后使用加载的模型进行推断，并计算准确率。输出结果应该是原模型准确率为1，加载后模型准确率也为1。如果加载后模型的准确率为0，可能是由于模型保存和加载时出现了问题。