¿Detectron2 o YOLOv8? Comparativa real de instalación
Publicado el 17 de junio de 2025
La primera barrera para empezar con visión por computador no es el código: es poner en marcha el framework. Aquí comparo, punto por punto, lo fácil (o difícil) que resulta instalar Detectron2 y YOLOv8 en un ordenador doméstico.
1.Requisitos rápidos
| Concepto | Detectron2 | YOLOv8 |
|---|---|---|
| SO recomendado | Linux / Windows + WSL2 | Linux / Windows / macOS |
| Python | 3.8 – 3.12 | 3.7 – 3.11 |
| CUDA (opcional) | 10.1 – 12.4 | 10.2 – 11.8 |
| Compilar C/C++ | Sí (gcc, cmake) | No |
| CLI integrada | No | Sí (yolo) |
2.Instalar Detectron2 — 5-10 min
# 1. Clona el repo
git clone https://github.com/facebookresearch/detectron2.git
cd detectron2
# 2. Instala PyTorch (ej. CUDA 11.7)
pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu117
# 3. Compila e instala Detectron2
pip install -e .
Puntos críticos: ajusta bien la versión de CUDA con la de PyTorch y usa WSL 2 en Windows para evitar problemas de compilación.
3.Instalar YOLOv8 — 1-2 min
# 1. Crea un entorno virtual
python -m venv yolov8_env
source yolov8_env/bin/activate # Windows: yolov8_env\Scripts\activate
# 2. Instala YOLOv8
pip install ultralytics
# 3. Comprueba
yolo --help
No requiere compilación: todo llega vía pip, por lo que es difícil encontrar errores si tu versión de Python está dentro del rango soportado.
4.Cara a cara (resumen)
| Aspecto | Detectron2 | YOLOv8 |
|---|---|---|
| Pasos totales | 3 | 1 |
| Riesgo de errores | Medio (CUDA) | Bajo |
| Necesita compilar | Sí | No |
| CLI incluida | No | Sí |
| Tiempo de setup | 5-10 min | 1-2 min |
5.Consejos express
- Detectron2: casa exactamente PyTorch con tu versión de CUDA; instala
cmakey actualizagccsi compila lento. - YOLOv8: trabaja siempre en un entorno virtual limpio; si
yolo"no existe" en terminal, añade~/.local/bin(Linux) o revisa tu PATH en Windows.
6.Conclusión
Si tu objetivo es arrancar ya mismo, YOLOv8 gana:
pip install ultralytics y listo.
Si buscas la gran flexibilidad de Detectron2 y no te importa compilar, dedica unos minutos a cuadrar versiones de CUDA y PyTorch. ¡Tu GPU te lo agradecerá!